Med næsten 400.000 plantearter på planeten er det svært at føle sig sikker, når man skal lære at genkende planter. Selv hvis du kan lære at identificere de vilde blomster i dit område, er der haveblomster og invasive planter at bekymre sig om. Det er virkelig overvældende. Det kan føles lidt som at lytte til radioen, høre en af de 97 millioner sange derude, og ikke vide hvilken du elsker.
Bare rolig. Der findes en app til begge disse problemer.
Den ene er den populære musik-identificerende app Shazam, som lytter til sange og derefter identificerer dem (normalt inden for sekunder). Den meget nyere plante-identifikationsapp er kendt som PlantSnap, og den bliver ofte rost som “Shazam for planter.”
Hvad gør PlantSnap til ”Shazam for planter?”
Okay, vi forstår det: det er blevet en smule gammelt at sige, at en app er ”som Uber, men for X” eller ”som AirBnb, men for Y”. Men der er mange ting, der gør PlantSnap til Shazam for planter. Takket være en meget dybdegående analyse af hvordan Shazam fungerer, kan vi se lighederne mellem Shazam og PlantSnap.
1. Både PlantSnap og Shazam bruger “Fingeraftryk” til identifikation.
For at en algoritme kan identificere noget, skal den have et slags ”fingeraftryk”. I Shazams tilfælde er app-udviklerne forudindlæst med en digital oversigt over sangen. Uden at gå for teknisk til værks, består et fingeraftryk af en sang af frekvenser fra sangen. På samme måde bruger PlantSnap specifikke karakteristika ved planter, såsom bladform eller årer, til at identificere planterne.
2. Begge apps arbejder hurtigt.
Hvem vil vente i timevis på at identificere en sang på en bar eller en plante på sin vandretur? Ingen! En af de fantastiske ting ved både PlantSnap og Shazam er, at de arbejder meget hurtigt. Algoritmerne kan hurtigt sammenligne billedet eller lydoptagelsen med de forudindregistrerede fingeraftryk og give dig en identifikation på få sekunder.
3. PlantSnap og Shazam behøver ikke meget indsats fra dig
Hvem vil bruge tid på at bladre gennem fotos af bladmønstre eller lytte til uddrag af sange for at identificere dem? Ikke brugerne af disse apps. Både Shazam og PlantSnap arbejder virkelig hårdt på at gøre det så nemt som muligt for dig. Det er for det meste lige så nemt som at pege din telefon i den rigtige retning og vente et par sekunder.
4. Kunstig intelligens driver både PlantSnap og Shazam
Det virker som om, at næsten alt i dag relies på AI, og Shazam for planter (og den originale Shazam) er ingen undtagelse. Uden kunstig intelligens ville disse apps blive utroligt besværlige. Det ville næsten være umuligt for PlantSnap eller Shazam at fungere uden kunstig intelligens.
Der er flere store grunde til at kalde PlantSnap ”Shazam for planter.” Men det er ikke en perfekt sammenligning. Der er nogle nøglepunkter, hvor PlantSnap ikke helt er Shazam for planter.
Hvordan Shazam og PlantSnap adskiller sig
Der er selvfølgelig nogle forskelle mellem Shazam og PlantSnap. For det første, er Shazam lavet til at kunne identificere sange med dårlig lydkvalitet eller på hvilket som helst tidspunkt i sangen. PlantSnap har brug for velafbildede og veloplyste fotos af specifikke plantedele.
Dette skyldes i høj grad, at verdens forståelse af planteidentifikation ikke er så entydig som sangidentifikation. Mange planter i tropeområder er stadig helt ukendte for videnskaben og har ikke engang navne. Nogle planter ligner hinanden utrolig meget (ofte på grund af mimikry). Selektiv avl af haveplanter giver nogle planter ekstra ekstreme former eller farver. Krydsavl mellem forskellige plantearter gør det endnu mere komplekst. Det er ikke usædvanligt, at planter forvirrer botanikere! Men bare rolig – PlantSnap forbedres konstant.
Desuden, lærer PlantSnap’s algoritme konstant takket være sin base i kunstig intelligens. Shazam ser, så vidt vi kunne finde, ikke ud til automatisk at opdatere og lære. Det kan være fordi, der bliver udgivet over 2500 nye sange om dagen. Der opdages slet ikke så mange nye plantearter på samme tid! På mange måder gør det opdatering af databaser om planter lettere end opdatering af sangdatabaser.
Det betyder, at PlantSnap’s algoritme kan lære af de allerede kendte planter. Shazam kræver, at nogen med rettigheder til sangen indsender den, mens enhver PlantSnap-bruger kan indsende en plante til yderligere undersøgelse.
Shazam bruger et lagdelt system for at gøre identifikationen hurtigere. Appen tjekker automatisk de mest populære sange først og udvider så langsomt søgningen. Det holder appen hurtig, da op til 1 ud af 20 Shazam-forespørgsler er den samme populære sang! PlantSnap bruger ikke samme slags lagdelte system – men det kan komme i fremtiden.
Mens der er et begrænset antal remix af enhver given sang og begrænsede ligheder takket være ophavsretslove, varierer planter i verden ofte dramatisk inden for en art og efterligner samtidig hinanden. Det hele bliver ret kompliceret, og det er imponerende, hvor godt begge apps fungerer.
Afslutningsvis: PlantSnap er stort set Shazam for planter
I sidste ende er PlantSnap og Shazam næsten lige så ens som to apps kan være, taget i betragtning af hvor forskelligt materialet, de arbejder med, er. Shazam arbejder med lyd, som (for det meste) er skabt af mennesker, mens PlantSnap arbejder med planter, som nogle gange knap nok er anerkendt af selv de mest dygtige botanikere.
Giv ”Shazam for planter” et forsøg – du kan nu downloade og bruge PlantSnap gratis. Ved at bruge appen hjælper du med at ”træne” algoritmen og gøre PlantSnap endnu bedre for næste bruger.