Як розпізнати гриби по фото з використанням штучного інтелекту

1. Гриб, я тебе знаю!
2. Мікологи проти чого?
3. машинний погляд
4. Як нейросеть вчили шукати гриби
5. Інтелекти «погані» і «хороші»

Справжня знахідка для грибників!

Додаток «Гриби» для iPhone і iPad отримало апгрейд у вигляді розпізнавання по зображенню на основі штучного інтелекту - AI. Одночасно сам AI в якості «помічника грибника» піддався ураганної критиці мікологів, які оголосили технологію найбільш смертоносною з часів винаходу смартфона. Розробники «грибний» нейро-мережі просять зберігати спокій.

Гриб, я тебе знаю!

Додаток " Наші Гриби »(Назва в App Store« Гриби: Велика Енциклопедія ») від російських розробників вийшло в 2011 році і на той момент було єдиним у своєму роді. Рідкісний випадок, коли розробники одночасно були і грибниками, і користувачами власного додатка, тому робили і для інших, і для себе.

Спочатку «Гриби» представляли собою просто зручний довідник, в якому для ідентифікації використовувався пошук за описами, зображень і параметрами. Крім того, була реалізована можливість вносити фотозаметкі в базу даних з автоматичним додаванням об'єкта на призначену для користувача карту «грибних місць». У логіку програми були закладені перехресні посилання на «схожий гриб» з пріоритетною видачею інформації про небезпечні для здоров'я.

6 років розробники підтримували актуальність «Грибов» на нових версіях iOS, розширювали базу і перевели її на англійську.

Додатком скористалися десятки тисяч грибників, воно отримало хороші відгуки (середня оцінка 4,7 з 5). І багато користувачів просили доповнити програму розпізнаванням. Сфотографувати гриб і відразу дізнатися, що робити далі: класти в кошик або викинути і терміново помити руки - мрія будь-якого грибника, що зіткнувся з невідомим. «Відмінна ідея!» - вирішили розробники, і допрацювали програму у співпраці з колегами з компанії Dato ML.

Мікологи проти чого?

Коли робота, яка почалася в січні 2017 року і зайняла 5 місяців, була завершена, а тисячі грибників вже успішно застосовували нову функцію, в кінці липня в американському виданні The Verge вийшла стаття доктора мікробіології Коліна Девісона, яка побічно стосувалася і додатки «Гриби».

Назва вражало: A 'Potentially Deadly'Mushroom-Identifying App Highlights the Danger of Bad AI (Потенційно смертельне додаток для ідентифікації грибів підкреслює проблему поганого Штучного інтелекту).

Мова в статті йшла про якийсь додатку для розпізнавання грибів по фотографії, яке з'явилося в AppStore і Google Play. Розробники обіцяли користувачам 100-відсоткову ідентифікацію трофеїв «грибного полювання» завдяки Штучному інтелекту. Колін Девісон назвав це «найбільш потенційно смертоносної програмою з початку« мобільної революції ».

Так навколо теми AI виник черговий Хейт, який просто приречений на популярність з часів виходу першого «Термінатора». Тепер, коли технологія стала доступна для масового використання, вона постійно перебуває у фокусі уваги і фахівців, і маркетологів, і маси інших людей, що володіють різним рівнем знань про предмет. І більшість з них відчайдушно бреше, причому, з різних причин: одні від незнання, другі задля привернення уваги, а треті - для наділення товарів неіснуючими перевагами.

машинний погляд

Як було сказано вище, нова функція ідентифікації в додатку «Гриби» була реалізована з використанням Штучного Інтелекту. В його основі в даному випадку знаходиться нейросеть.

Нейронна мережа складається з безлічі простих елементів і являє собою аналог людського головного мозку, здатний приймати якісь самостійні рішення на основі аналізу масиву інформації.

На відміну від універсального природного інтелекту нейросеть завжди має спеціалізацію, за рахунок чого її продуктивність в конкретному виді діяльності кратно перевищує можливості людини. Наприклад, штучний інтелект AlphaGo краще за всіх у світі грає в Го, але не зможе відрізнити кубик від кульки, тому що це не його спеціалізація.

Одним з перших і найбільш розвинених способів застосування нейромереж вважається розпізнавання образів, яке як технологія було описано ще в другій половині минулого століття під назвою «машинний зір».

Основна відмінність нейронної мережі від комп'ютера в тому, що вона не програмується, а навчається (параметри кожного елемента змінюються в залежності від отриманих результатів). За підсумками навчання нейронної мережі можна пред'являти дані (в нашому випадку - зображення), які спочатку їй невідомі. В результаті вона вірно ідентифікує образ, спираючись на свій досвід обробки мільйонів аналогічних зображень і складні алгоритми прийняття рішень.

Як нейросеть вчили шукати гриби

Якщо гранично спростити опис процесу машинного навчання, то він буде виглядати так: «вчитель» показує «новонародженої» нейронної мережі зображення, на основі якого мережа робить припущення, наприклад, гриб це чи ні. Потім наставник повідомляє правильну відповідь, а мережа трохи «змінюється», відзначаючи для себе, що це дійсно був гриб (або не був). Потім урок повторюється з іншим зображенням. І так до декількох десятків мільйонів разів в залежності від складності завдання. В результаті відповіді стають все більш «осмисленими» і правильними.

Для створення дійсно «хорошого» Ai необхідно враховувати масу інших аспектів: конфігурацію мережі, контроль ризику перенавчання і т. Д. Всі вони, включаючи кількість «уроків» і якість «навчального матеріалу», можуть критичним чином впливати на результат. Тому дві нейромережі (подібно двом різним людям), призначені для вирішення однієї і тієї ж задачі, можуть вести себе зовсім по-різному. Одна може виявитися непередбачуваною і небезпечною, а інша - точної, але обережною в оцінках.

Але повернемося до «грибного» з додатком. В його основі - спеціально навчена глибока свёрточная нейронна мережа (CNN), яка здатна визначати вид гриба на зображенні. Користувач наводить камеру на гриб, робить знімок - нейросеть через частки секунди видає рекомендацію.

При навчанні використаний величезний набір даних, отриманих від одного з профільних інститутів, а також зібраних самостійно з відкритих джерел. В середньому для кожного виду гриба було підібрано 1200 (але не менше 1000) фотографій. Для отруйних вибірка була ще більше, щоб підвищити точність розпізнавання.

В результаті кількість натренованих параметрів в нейронної мережі - більше 20 мільйонів, кількість шарів - понад 100. Це дозволяє поєднувати швидкість роботи і точність в підсумковому розпізнаванні.

Для навчання були задіяні спеціальні GPU сервера від Amazon, що дозволило скоротити час фінальної сесії до декількох годин. Для прикладу, на звичайному персональному комп'ютері аналогічна операція могла б зайняти до декількох місяців.

Але навіть такі вражаючі результати не дають підстави стверджувати, що вдалося створити 100-відсоткову «ідентифікацію». З такою точністю гриби не вміють розпізнавати навіть мікологи-професіонали.

Крім розпізнавання, «Нейро-пошук» в додатку «Гриби» видає перелік схожих варіантів і оцінку точності припущення. Кожен «схожий гриб» має енциклопедичне опис і зображення, тобто, додаток містить максимум інформації для прийняття рішення і може оцінювати ризики.

Інтелекти «погані» і «хороші»

Якість Штучного інтелекту залежить від того, скільки ресурсів і зусиль вкладено в його навчання, а також від правильної конфігурації нейромережі і ще безлічі параметрів. Розробити програму для ідентифікації зображень по мануали, опублікованими в інтернеті, зараз зможе навіть школяр. Таким за рівнем і буде рішення.

Додаток, про який написали в The Verge, був жорстко розкритикований саме через «гарантовано точної ідентифікації грибів» з поділом на їстівні і неїстівні. Це неможливо навіть теоретично. При цьому користувачам не було надано жодної додаткової інформації від слова абсолютно - просто варіанти «брати / не брати».

Після розгромної статті опис додатка спочатку відкоригували з «ідентифікації всіх грибів» на «розпізнавання домашніх грибів», потім залишилася спеціалізація «тільки трюфелі» (це до питання про те, яка вибірка зображень використовувалася для навчання нейронної мережі). Зараз додаток видалено з App Store.

Приклад двох підходів до створення додатків показує, що AI, створений для застосування в одній і тій же області, може дійсно виявитися «поганим» або «хорошим», причому, не зі своєї вини. «Поганим» він буде в разі, коли його творці недостатньо компетентні, не володіють прийомами або ресурсами для «навчання» і «виховання» нейронної мережі. Але якщо в основі стоїть питання служіння людині і його інтересам, то Штучний інтелект завжди буде вести себе належним чином.

«Тихе полювання» -2017 тим часом далека від завершення. Попереду сезон царського осіннього гриба - білого груздя і його пластинчастих родичів простіше. До речі, саме ідентифікація пластинчастих грибів викликає проблеми навіть у грибників з досвідом. Зайвий привід відправитися в ліс, озброївшись не тільки ножем, але і Штучним інтелектом. Зверніть увагу на «Гриби: Велика Енциклопедія».

Що ще почитати:

Поставте 5 зірок внизу статті, якщо подобається ця тема. Підписуйтесь на нас ВКонтакте , Facebook , Twitter , Instagram , YouTube , Telegram , Viber і Яндекс.Дзен .

Повернутися в початок статті Як розпізнати гриби по фото з використанням штучного інтелекту