Как распознать грибы по фото с использованием искусственного интеллекта
Настоящая находка для грибников!
Приложение «Грибы» для iPhone и iPad получило апгрейд в виде распознавания по изображению на основе Искусственного интеллекта – AI. Одновременно сам AI в качестве «помощника грибника» подвергся ураганной критике микологов, которые объявили технологию самой смертоносной со времен изобретения смартфона. Разработчики «грибной» нейро-сети просят сохранять спокойствие.
Гриб, я тебя знаю!
Приложение «Наши Грибы» (название в App Store «Грибы: Большая Энциклопедия») от российских разработчиков вышло в 2011 году и на тот момент было единственным в своем роде. Редкий случай, когда разработчики одновременно являлись и грибниками, и пользователями собственного приложения, поэтому делали и для других, и для себя.
Изначально «Грибы» представляли собой просто удобный справочник, в котором для идентификации использовался поиск по описаниям, изображениям и параметрам. Кроме того, была реализована возможность вносить фотозаметки в базу данных с автоматическим добавлением объекта на пользовательскую карту «грибных мест». В логику приложения были заложены перекрестные ссылки на «похожий гриб» с приоритетной выдачей информации об опасных для здоровья.
6 лет разработчики поддерживали актуальность «Грибов» на новых версиях iOS, расширяли базу и перевели ее на английский.
Приложением воспользовались десятки тысяч грибников, оно получило хорошие отзывы (средняя оценка 4,7 из 5). И многие пользователи просили дополнить программу распознаванием. Сфотографировать гриб и сразу узнать, что делать дальше: класть в корзинку или выкинуть и срочно помыть руки – мечта любого грибника, столкнувшегося с неизведанным. «Отличная идея!» — решили разработчики, и доработали приложение в сотрудничестве с коллегами из компании Dato ML.
Микологи против чего?
Когда работа, которая началась в январе 2017 года и заняла 5 месяцев, была завершена, а тысячи грибников уже успешно применяли новую функцию, в конце июля в американском издании The Verge вышла статья доктора микробиологии Колина Дэвисона, которая косвенно касалась и приложения «Грибы».
Название впечатляло: A ‘Potentially Deadly’Mushroom-Identifying App Highlights the Danger of Bad AI (Потенциально смертельное приложение для идентификации грибов подчеркивает проблему плохого Искусственного интеллекта).
Речь в статье шла о некоем приложении для распознавания грибов по фотографии, которое появилось в AppStore и Google Play. Разработчики обещали пользователям 100-процентную идентификацию трофеев «грибной охоты» благодаря Искусственному интеллекту. Колин Дэвисон назвал это «самой потенциально смертоносной программой с начала «мобильной революции».
Так вокруг темы AI возник очередной хейт, который просто обречен на популярность со времен выхода первого «Терминатора». Теперь, когда технология стала доступна для массового использования, она постоянно находится в фокусе внимания и специалистов, и маркетологов, и массы других людей, обладающих разным уровнем знаний о предмете. И большинство из них отчаянно врет, причем, по самым разным причинам: одни от незнания, вторые ради привлечения внимания, а третьи – для наделения товаров несуществующими преимуществами.
Машинный взгляд
Как было сказано выше, новая функция идентификации в приложении «Грибы» была реализована с использованием Искусственного Интеллекта. В его основе в данном случае находится нейросеть.
Нейронная сеть состоит из множества простых элементов и представляет собой аналог человеческого головного мозга, способный принимать некие самостоятельные решения на основе анализа массива информации.
В отличие от универсального естественного интеллекта нейросеть всегда имеет специализацию, за счет чего ее производительность в конкретном виде деятельности кратно превышает возможности человека. Например, искусственный интеллект AlphaGo лучше всех в мире играет в Го, но не сможет отличить кубик от шарика, потому что это не его специализация.
Одним из первых и наиболее развитых способов применения нейросетей считается распознавание образов, которое как технология было описано еще во второй половине прошлого века под названием «машинное зрение».
Основное отличие нейронной сети от компьютера в том, что она не программируется, а обучается (параметры каждого элемента меняются в зависимости от полученных результатов). По итогам обучения нейронной сети можно предъявлять данные (в нашем случае – изображения), которые изначально ей неизвестны. В результате она верно идентифицирует образ, опираясь на свой опыт обработки миллионов аналогичных изображений и сложные алгоритмы принятия решений.
Как нейросеть учили искать грибы
Если предельно упростить описание процесса машинного обучения, то он будет выглядеть так: «учитель» показывает «новорожденной» нейронной сети изображение, на основе которого сеть делает предположение, например, гриб это или нет. Затем наставник сообщает правильный ответ, а сеть немного «изменяется», отмечая для себя, что это действительно был гриб (или не был). Затем урок повторяется с другим изображением. И так до нескольких десятков миллионов раз в зависимости от сложности задачи. В результате ответы становятся все более «осмысленными» и правильными.
Для создания действительно «хорошего» Ai необходимо учитывать массу других аспектов: конфигурацию сети, контроль риска переобучения и т. д. Все они, включая количество «уроков» и качество «обучающего материала», могут критическим образом влиять на результат. Поэтому две нейросети (подобно двум разным людям), предназначенные для решения одной и той же задачи, могут вести себя совершенно по-разному. Одна может оказаться непредсказуемой и опасной, а другая – точной, но осторожной в оценках.
Но вернемся к «грибному» приложению. В его основе – специально обученная глубокая свёрточная нейронная сеть (CNN), которая способна определять вид гриба на изображении. Пользователь наводит камеру на гриб, делает снимок – нейросеть спустя доли секунды выдает рекомендацию.
При обучении использован огромный набор данных, полученных от одного из профильных институтов, а также собранных самостоятельно из открытых источников. В среднем для каждого вида гриба было подобрано 1200 (но не менее 1000) фотографий. Для ядовитых выборка была еще больше, чтобы повысить точность распознавания.
В результате количество натренированных параметров в нейронной сети — более 20 миллионов, количество слоев — более 100. Это позволяет сочетать скорость работы и точность в итоговом распознавании.
Для обучения были задействованы специальные GPU сервера от Amazon, что позволило сократить время финальной сессии до нескольких часов. Для примера, на обычном персональном компьютере аналогичная операция могла бы занять до нескольких месяцев.
Но даже такие впечатляющие результаты не дают основания утверждать, что удалось создать 100-процентную «идентификацию». С такой точностью грибы не умеют распознавать даже микологи-профессионалы.
Кроме распознавания, «НЕЙРО-поиск» в приложении «Грибы» выдает перечень похожих вариантов и оценку точности предположения. Каждый «похожий гриб» имеет энциклопедическое описание и изображения, то есть, приложение содержит максимум информации для принятия решения и может оценивать риски.
Интеллекты «плохие» и «хорошие»
Качество Искусственного интеллекта зависит от того, сколько ресурсов и усилий вложено в его обучение, а также от правильной конфигурации нейросети и еще множества параметров. Разработать программу для идентификации изображений по мануалам, опубликованным в интернете, сейчас сможет даже школьник. Таким по уровню и будет решение.
Приложение, о котором написали в The Verge, подверглось жесткой критике именно из-за «гарантированно точной идентификации грибов» с разделением на съедобные и несъедобные. Это невозможно даже в теории. При этом пользователям не было предоставлено никакой дополнительной информации от слова абсолютно – просто варианты «брать/не брать».
После разгромной статьи описание приложения сначала откорректировали с «идентификации всех грибов» на «распознавание домашних грибов», потом осталась специализация «только трюфели» (это к вопросу о том, какая выборка изображений использовалась для обучения нейронной сети). Сейчас приложение удалено из App Store.
Пример двух подходов к созданию приложений показывает, что AI, созданный для применения в одной и той же области, может действительно оказаться «плохим» или «хорошим», причем, не по своей вине. «Плохим» он будет в случае, когда его создатели недостаточно компетентны, не владеют приемами или ресурсами для «обучения» и «воспитания» нейронной сети. Но если во главе угла стоит вопрос служения человеку и его интересам, то Искусственный интеллект всегда будет вести себя должным образом.
«Тихая охота»-2017 тем временем далека от завершения. Впереди сезон царского осеннего гриба – белого груздя и его пластинчатых сородичей попроще. Кстати, именно идентификация пластинчатых грибов вызывает проблемы даже у грибников с опытом. Лишний повод отправиться в лес, вооружившись не только ножом, но и Искусственным интеллектом. Обратите внимание на «Грибы: Большая Энциклопедия».
Что еще почитать:
✅ Подписывайтесь на нас в Telegram, ВКонтакте, и Яндекс.Дзен.