Искусственный Интеллект на Службе Грибника

Казалось бы, что общего у грибов и искусственного интеллекта? И как высокие технологии могут повлиять на одно из самых древних и любимых в России занятий – собирание грибов? Все просто. Или сложно. Но мы объясним так, чтобы было понятно всем, поскольку тема важная и полезная

Шесть лет назад мы создали «Большую энциклопедию грибов», которой за это время воспользовались тысячи грибников со всего света, а с начала этого года занимались подключением в наше «грибное» приложения революционной функции, главная задача которой – максимально точно распознать гриб по фотографии, сделанной на камеру телефона или планшета. Об этой возможности, кстати, нас просили сами грибники почти все шесть лет существования Энциклопедии. Буквально на днях мы завершили эту работу с гордостью за полученный результат, и сейчас рады тому что его уже успели оценить многие наши пользователи, ведь наша цель была самой ясной и благородной – помочь людям, облегчить им принятие решения.

Однако недавно мы наткнулись на статью в издании The Verge именно по нашей теме. Громкий заголовок гласил «Потенциально смертельное приложение для идентификации грибов привлекает внимание к проблеме плохого искусственного интеллекта» (A ‘Potentially Deadly’ Mushroom-Identifying App Highlights the Danger of Bad AI). В статье доктор микробиологии, специализирующийся на изучении грибов, Колин Дэвидсон выступает с жесткой критикой появившегося в AppStore и Google Play приложения по идентификации грибов на основе фотографии. Эксперт называет его самым потенциально смертоносным приложением со времен начала «мобильной революции». Реальная угроза для жизни человека, по мнению Дэвидсона, в том, что распознавание, съедобен или опасен для здоровья тот или иной гриб, происходит всего лишь по фотографии. А это не может быть достаточным основанием для принятия решения. Он пишет: «Желтый шампиньон — самая распространенная разновидность грибов в моем округе, а сверху и сбоку он выглядит в точности, как луговой шампиньон. Но если его съесть, вы, вероятно, очень сильно заболеете и даже будете госпитализированы. Чтобы понять, какой гриб перед вами, нужно его сорвать, поцарапать или понюхать».

Очевидно, что такое экспертное мнение бьет рикошетом и по нашему «грибному» приложению, поэтому мы хотели бы пояснить ситуацию для наших существующих и потенциальных пользователей. Но для начала немного теории.

Первым и наиболее развитым на сегодня способом применения ИИ стало распознавание образов, его еще называют «машинным/компьютерным зрением».

В названии статьи упомянут искусственный интеллект (ИИ). Именно он лежит в основе огромный массы ИТ-разработок. Наше – не исключение.

ИИ – это некий набор специальных математических и вычислительных алгоритмов, реализованных и работающих на компьютере. Такие «интеллектуальные системы» выполняют функции, которые традиционно считались прерогативой человека. То есть машина способна оценить, проанализировать массив данных и принять некое самостоятельное решение способом, схожим с человеческим образом мышления, но за счет своей специализации. Для этого машину обучают и тренируют специальным образом. Первым и наиболее развитым на сегодня способом применения ИИ стало распознавание образов, его еще называют «машинным/компьютерным зрением». Как это работает? Системе показывают произвольное изображение, ИИ его обрабатывает и сообщает запрашиваемую информацию. Например, какой предмет изображен, есть ли на нем и где именно лица людей, или даже, кто именно изображен. Уже сегодня большинство современных приложений или сервисов для работы с фотографиями умеют классифицировать изображения по контенту (море, лес, улица в старом городе и т. п.), а также определять, кто именно из ваших друзей или родственников сфотографирован. Разумеется, такую способность ИИ можно распространить и на другие сферы жизнедеятельности: распознавать дорожные знаки, определять и выбраковывать из урожая некачественные фруктов и т. д. Или как в нашем случае – идентифицировать грибы.

В основе процесса распознавания образов – нейронная сеть. По своей сути, это математический аналог головного мозга, моделирующий работу миллиардов нейронов. Но есть существенное различие. Естественный интеллект (то есть – человек) призван решать универсальные задачи. Например, не только быстро распознавать, что именно видит, но и принимать решение, что с этим делать: съесть, выкинуть, убежать и т. д. В то время как искусственный интеллект («машина») специализирован, и его задача строго ограничена: если он обучен распознавать только лица, то все деревья и здания будут для него неразличимы. Эта специализация и позволяет ИИ превзойти в конкретных задачах мозг человека (как минимум, среднестатистического человека). К примеру, ИИ способен классифицировать несколько десятков тысяч фотографий за период времени намного меньший, чем понадобился бы человеку, просто чтобы эти фото просмотреть. Или же ИИ может за считанные секунды определить по массиву подробных анализов пациентов их потенциальные болезни. Тогда как врачу для этого понадобится масса времени и усилий.

Чтобы добиться такой специализированной эффективности, нейронную сеть обучают конкретным навыкам, как мы учим ребенка считать или складывать пазл. Это происходит так. Необученной (пустой) нейронной сети «показывают» входные данные, на основе которых сеть делает некоторое предположение, например, гриб это или нет, после чего «учитель» сообщает ей правильный ответ, а сеть в ответ немного «изменяется» внутри. Затем этот же урок повторяется на новом материале. В начале обучения нейронная сеть предсказуемо ошибается, так как она еще не наделена ни какими знаниями. Но после достаточного количества уроков ее ответы становятся все более и более осмысленными и верными. Все зависит от степени сложности задачи: для достаточного обучения сети могут потребоваться десятки миллионов таких уроков, после чего сеть можно использовать в прикладных задачах с высоким качеством уровня ответов.

Надо понимать: изложенное выше – это лишь упрощенное описание процесса создания и обучения нейронных сетей. Для создания действительно «хорошего» ИИ существует масса других важнейших аспектов, таких как конфигурация сети, контроль риска переобучения и т. д. Все они, включая количество «уроков» и качество «обучающего материала», могут критическим образом влиять на результат. Поэтому две нейронные сети (подобно двум разным людям), обученные для решения одной и той же задачи, будут вести себя совершенно по-разному. Одна может быть непредсказуемой и опасной, а другая – точной, но осторожной в своих оценках.

Нейросеть не принимает решение за человека, а лишь помогает ему максимально быстро и точно разобраться во всех деталях и сделать правильный выбор

А теперь вернемся к «грибному» приложению. Итак, в его основе – специально обученная нейросеть, которая должна определить, какой именно гриб изображен на фотографии. Для этого ее обучают на большой выборке различных фотографий, где на каждой изображен гриб, о котором заранее и достоверно все известно. В нашем приложении мы использовали огромный набор данных, полученных от одного из профильных институтов. В среднем это 1200 (но не менее 1000) фотографий гриба одного и того же вида, для каждого из видов, содержащихся в нашей энциклопедии. При этом для ядовитых грибов было использовано еще большее количество изображений, что бы повысить точность распознания именно опасных видов. Но мы не ограничились исключительно этой обучающей выборкой, которая уже сама по себе впечатляет. Также сама сеть была тщательно сконфигурирована с учетом специфики распознавания именно грибов (а не ягод или цветов, к примеру). Особое внимание мы уделили мелким деталям на поверхности образа, так как очень похожие в целом грибы могут отличаться в мельчайших деталях текстуры ножки или шляпки.

Тем не менее, несмотря на высокую точность полученных результатов, мы не станем утверждать и гарантировать, что создали 100-процентную «идентификацию». Этого не может сделать никто без специального оборудования. Наш «нейро-поиск» предлагает список наиболее похожих вариантов с вероятностной оценкой точности предположения. При этом каждый найденный вариант гриба сопровождается энциклопедическим описанием, примерами фотографий и ссылками на другие похожие виды. То есть наш пользователь получает о грибе исчерпывающую информации для того, чтобы принять самостоятельное решение – брать или не брать. Подчеркнем еще раз: нейросеть не принимает решение за человека, а лишь помогает ему максимально быстро и точно разобраться во всех деталях и сделать правильный выбор.

Почему же приложение, о котором написали в The Verge, подверглось такой жесткой критике? Дело в том, что его разработчики заявили о 100% точной идентификации грибов. Что невозможно даже теоретически! Профессиональные микологи ошибаются – что уж говорить о «машине». К слову, после публикации разгромной статьи описание этого приложения сменилось с «идентификации всех грибов» на «распознавание домашних грибов», а потом и вовсе на «только трюфели». Исходя из этого, можно сделать вывод, что использовалась очень ограниченная обучающая выборка. Наконец, данное приложение не предлагало ни списка вариантов грибов, ни какого-либо описания каждого из них. Конечно, такая ситуация выбора могла считаться потенциально опасной для пользователя: либо ты слепо доверяешь приложению, либо закрываешь его и забываешь о его существовании. Заметим, на данный момент приложение уже удалено из AppStore. Возможно, разработчики сами поняли шаткость своего положения или все же прислушались к рекомендациям экспертов.

На данном примере двух подходов к созданию приложений мы хотели показать вам, что ИИ в одной и той же области действительно может быть и «хорошим», и «плохим». «Плохим» в том случае, если его создатели игнорируют важные составляющие обучения и не прикладывают должных усилий для «воспитания» ИИ. Если же во главу угла ставить вопрос служения человеку и его интересам, уберегать от риска, если разработчики учитывают все моменты многогранного обучения сети, ИИ будет вести себя должным образом. К счастью, пока все зависит от человека и его интеллекта, от его намерений, знаний и отношения к своему делу.


Мы надеемся, что те из вас, кто увлекается сбором грибов и берет с собой на грибную охоту гаджеты, обязательно воспользуются нашим приложением и оценят его возможности по достоинству.

Ссылка в AppStore: "Грибы: Большая Энциклопедия"