:format(webp)/nginx/o/2023/04/14/15255882t1hdd1f.jpg)
Mobiilirakendused, mis tuvastavad fotodelt taimi, võivad olla kõigest alla neljaprotsendilise täpsusega, mis võib ohustada söödavaid taimi määravaid inimesi või viia ohustatud taimede valesti määramiseni umbrohtudena ja nende hävitamiseni.
Julie Peacock Ühendkuningriigi Leedsi ülikoolist ja tema kolleegid hindasid kuut kõige populaarsemat mobiilirakendust: Google Lens, Leaf Snap, iNaturalist, Pl@ntNet, Seek ja Plant Snap. Nad püüdsid iga äpiga tuvastada 38 taimeliiki nende looduslikus elupaigas neljas kohas Iirimaal.
Mõned rakendused said hakkama väga kehvasti, samas kui isegi parimad saavutasid alla 90-protsendilise täpsuse.
«On palju põhjuseid, miks on oluline, et rakendused oleksid täpsed või inimesed teaksid, et need äpid annavad vaid umbmääraseid juhiseid, kuid kole kindlasti mitte täiuslikud,» ütleb Peacock. Näiteks võivad inimesed pidada olulisi kohalikke taimeliike invasiivseteks ja juurida need oma aedadest välja või tarbivad söögiks potentsiaalselt ohtlikke looduslikke taimi, arvates, et need on söödavad.
Kuid Peacock ei arva, et inimesed ei peaks neid rakendusi kasutama, kui nad mõistavad piiranguid: «Neil on siiski tohutu potentsiaal, et inimesed hakkaksid taimedega rohkem tegelema.»
Rakendused kasutavad tehisintellekti algoritme, mis on treenitud suurel hulgal taimefotodel. Treeningu käigus õpetatakse tehisintellekti ära tundma mitte ainult treeningfotosid, vaid tuvastama ka nende ja täiesti uute seni nägemata fotode sarnasusi, mis aitabki taimi tuvastada.
Üldiselt suutsid rakendused õisi paremini tuvastada kui lehti, mis on teadlaste sõnul tingitud esimeste suuremast kuju ja värvi mitmekesisusest. Õied annavad tehisintellektile rohkem vihjeid.
Kuid see ei olnud alati nii. Rakendus iNaturalist suutis õigesti tuvastada vaid 3,6 protsenti õitest ja 6,8 protsenti lehtedest. Plant Snap tuvastas õigesti 35,7 protsenti õitest ja 17,1 protsenti lehtedest. Suurima täpsuse saavutas õite puhul Pl@ntNet 88,2 protsendiga (vt lähemalt PLoS One, doi.org/j479).
«Tõenäoliselt ei kahla inimesed tiikides ringi ja ei tõmba sealt pildistamiseks välja umbrohtu.»
Alexis Joly Prantsusmaal Montpellier´s asuvast INRIA uurimisasutusest on üks mittetulundusliku projekti Pl@ntNet teadlastest, kes ütleb, et rakenduste edu taga on tegelikult andmekogumid, mille on hankinud ning kategoriseerinud botaanikud, teadlased ja harrastajad. Need töötavad koos algoritmidega, mis järjestavad mitu kõige tõenäolisemat kandidaati. «Tundub, et meie selline strateegia tasub end ära,» ütleb ta.
Stephen Harris Oxfordi ülikoolist lisab, et Peacocki mured on põhjendatud ning temagi on selliste rakendustega probleeme kogenud, tuginedes nüüd hoopis heale teatmeteosele, et taimi määrata. Ta ütleb, et probleem seisneb ka Internetti üles laaditud piltides, mis on sageli valesti märgistatud.
«Inimesed kipuvad pildistama üsna sarnaseid asju. Nii saab palju pilte teatud taimedest, mis on tõesti ilmselgelt äratuntavad ja millest kõik tahavad pilti teha, samas kui mõnest tõeliselt huvitavast, kuid tagasihoidliku välimusega taimest pilte ei tehta. Kui pole väga atraktiivseid õisi ega midagi muud, siis ei leia sellest liigist kuigi palju pilte,» räägib Harris. «Tõenäoliselt ei kahla inimesed tiikides ringi ja ei tõmba sealt pildistamiseks umbrohtusid välja.»
Google lükkas New Scientisti intervjuutaotluse tagasi, samas kui teised rakenduste loojad päringule ei vastanud.
Algselt populaarteaduslikus ajakirjas New Scientist avaldatud artikkel ilmub Postimehes väljaande loal. Inglise keelest tõlkis Kaido Einama.