برنامه‌هایی که گیاهان را شناسایی می‌کنند می‌توانند تا 4 درصد دقیق باشند.

اما Peacock فکر نمی کند که مردم نباید از این برنامه ها استفاده کنند، تا زمانی که محدودیت ها را درک کنند. او می‌گوید: «آن‌ها پتانسیل زیادی برای مردم دارند که بیشتر با گیاهان درگیر شوند.

«مردم تمایل دارند از چیزهای مشابه عکس بگیرند. بنابراین گیاهانی می‌گیرید که واقعاً واضح هستند و همه می‌خواهند عکس بگیرند، در حالی که اگر نوعی گیاه واقعاً جالب به دست آورید، اما اتفاقاً یک چیز کوچک پرتحرک است که گل‌های خیلی جذاب یا هر چیز دیگری ندارد، نخواهید توانست. هریس می‌گوید فیلم‌های زیادی از آن به دست نمی‌آید. بعید است که مردم در حوضچه ها بچرخند، برکه ها را علف های هرز کنند و از آنها عکس بگیرند.”

پسری که از گوشی هوشمند برای عکاسی از یک گیاه استفاده می کند

Peacock می‌گوید: «دلایل زیادی وجود دارد که چرا برنامه‌ها دقیق هستند یا مردم بدانند که این برنامه‌ها یک راهنما هستند، اما مطمئناً کامل نیستند». برای مثال، افراد ممکن است به اشتباه گونه‌های بومی مهم را به عنوان مهاجم شناسایی کنند و آن‌ها را از باغ‌های خود حذف کنند، یا گیاهان وحشی بالقوه خطرناک را مصرف کنند و تصور کنند که این گونه‌ها گونه‌ای بی‌خطر هستند.

به طور کلی، برنامه‌ها در شناسایی گل‌ها بهتر از برگ‌ها بودند، که محققان می‌گویند به دلیل تنوع بیشتر شکل‌ها و رنگ‌های آن‌ها است که سرنخ‌های بیشتری را به هوش مصنوعی می‌دهد. اما همیشه اینطور نبود. اپلیکیشن iNaturalist تنها توانست 3.6 درصد از گل ها و 6.8 درصد از برگ ها را به درستی شناسایی کند. گیاه اسنپ 35.7 درصد گل ها و 17.1 درصد از برگ ها را به درستی شناسایی کرد. بالاترین دقت توسط Pl@ntNet با 88.2٪ به دست آمد.

گوگل درخواست مصاحبه را رد کرد، در حالی که سایر سازندگان اپلیکیشن پاسخی ندادند.

برنامه‌ها از الگوریتم‌های هوش مصنوعی استفاده می‌کنند که بر روی تعداد زیادی از عکس‌های گیاهی با عنوان آموزش دیده‌اند. در طول آموزش، هوش مصنوعی یاد می‌گیرد که نه تنها عکس‌های آموزشی را تشخیص دهد، بلکه شباهت‌های بین آن‌ها و عکس‌های جدید را نیز تشخیص دهد، که به آن‌ها اجازه می‌دهد گیاهان را شناسایی کنند.

مارکو گبر/دیجیتال ویژن/گتی ایماژ

برنامه ها می توانند به شناسایی گیاهان کمک کنند – اما فقط تا یک نقطه

اپلیکیشن‌های گوشی‌های هوشمند که گیاهان را از روی عکس‌ها شناسایی می‌کنند، می‌توانند تا 4 درصد دقت داشته باشند که می‌تواند افرادی را که به دنبال غذا هستند در معرض خطر قرار دهد و همچنین منجر به برچسب‌گذاری اشتباه گیاهان در خطر انقراض به عنوان علف‌های هرز و ریشه‌کن کردن آنها شود.

استیون هریس در دانشگاه آکسفورد می‌گوید نگرانی‌های Peacock درست است، و او همچنین با چنین برنامه‌هایی با مشکلاتی مواجه شده است و در عوض به یک کتاب مرجع خوب تکیه می‌کند. او می گوید که مشکل در تصاویر دانلود شده از اینترنت است که اغلب دارای برچسب اشتباه هستند.

“گاهی اوقات این کار ناسپاسی است زیرا مردم ترجیح می دهند یک نتیجه را با اطمینان 100٪ ببینند، حتی اگر آن نتیجه صحیح نباشد، به جای سه گونه ممکن با 33٪ هر کدام، اما واقعیت را در مقایسه با تصویر نشان می دهند. گرفته شده است.» او گفت. اما به نظر می رسد که استراتژی ما نتیجه می دهد.

الکسیس جولی در Inria در مونپلیه، فرانسه، که یکی از محققان پروژه غیرانتفاعی Pl@ntNet است، گفت که موفقیت این برنامه به دلیل مجموعه داده های آن است که توسط گیاه شناسان، دانشمندان، و علاقمندان آگاه و همچنین منبع و طبقه بندی شده است. الگوریتم هایی که سعی می کنند تعصبات نسبت به گونه های رایج را متعادل کنند و در عوض چندین نامزد احتمالی را برای هر جستجو رتبه بندی کنند.

موضوعات:


منبع: https://www.newscientist.com/article/2367068-apps-that-identify-plants-can-be-as-little-as-4-per-cent-accurate/?utm_campaign=RSS%7CNSNS&utm_source=NSNS&utm_medium=RSS&utm_content=home

جولی طاووس در دانشگاه لیدز، انگلستان و همکارانش شش مورد از محبوب‌ترین اپلیکیشن‌ها را ارزیابی کردند: Google Lens، iNaturalist، Leaf Snap، Pl@ntNet، Plant Snap و Seek. آنها تلاش کردند 38 گونه از گیاهان را در زیستگاه طبیعی خود در چهار نقطه در ایرلند با هر کاربرد شناسایی کنند. تیم متوجه شد که برخی از برنامه‌ها بسیار ضعیف عمل می‌کنند، در حالی که حتی بهترین‌ها نیز به دقت 90 درصدی دست پیدا نکرده‌اند.

توسط احمد گل کار

احمد گل کار