地球上有近四十萬種植物，要自信地學習識別植物並不容易。即使你能識別當地的野花，還有 庭院花卉 和 入侵植物 需要關注。這一切實在讓人感到難以招架。感覺有點像收音機播放時，聽到 九千七百萬 首歌卻不知道自己喜歡哪一首。

別擔心。這兩個問題都有應用程式可以解決。

其中一個是熱門的音樂辨識應用程式 Shazam，可以聽取歌曲並識別它們（通常幾秒內完成）。較新的植物辨識應用程式是 PlantSnap，它常被稱為「植物界的 Shazam」。

 

 

PlantSnap 為什麼被稱作「植物界的 Shazam」？

好吧，我們明白了：說應用程式「像 Uber，但專注於 X」或「像 AirBnB，但專注於 Y」有點老套。但 PlantSnap 之所以被稱為植物界的 Shazam，有很多原因。 thanks to一些對 Shazam 運作原理的深入分析，我們能看到 Shazam 與 PlantSnap 之間的相似之處。

 

1. PlantSnap 和 Shazam 都使用「指紋」來辨識。

為了讓演算法識別某物，它需要某種「指紋」。對於 Shazam，應用程式開發者預先載入歌曲的數位摘要。不談技術細節，歌曲的指紋是由歌曲中的頻率組成。同樣地，PlantSnap 使用植物的特定特徵，如葉形或脈絡圖案，來辨別植物。

 

2. 兩款應用程式反應迅速。

誰願意在酒吧或遠足時等幾個小時來識別一首歌或一株植物？沒有人！PlantSnap 和 Shazam 的驚人之處在於它們工作非常快。演算法能迅速將照片或聲音與預先記錄的指紋比對，幾秒內就給出答案。

 

3. PlantSnap 和 Shazam 幾乎不需用戶費盡心力

誰想花時間翻閱葉脈照片或聽歌曲片段以辨識？這些應用程式的用戶當然不想。Shazam 和 PlantSnap 非常 努力讓你的操作盡可能簡單。大多數情況，只需將手機對準目標，等待幾秒鐘即可。

 

4. 人工智慧推動 PlantSnap 與 Shazam

現今似乎幾乎所有東西都依賴人工智慧，植物界的 Shazam（PlantSnap）與原版 Shazam 也不例外。若無人工智慧，這些應用程式會變得非常笨重。沒有它，PlantSnap 或 Shazam 根本無法運作。

有幾個重要原因說明為何 PlantSnap 被稱為「植物界的 Shazam」。不過，這比較並不完美，PlantSnap 在某些關鍵方面並非完全像 Shazam。

 

 

Shazam 與 PlantSnap 的差異

 

Shazam 與 PlantSnap 顯然存在一些差異。首先，Shazam 被設計可以辨識音質差或歌曲任意段落的音樂。而 PlantSnap 需要針對特定植物部位有清晰且光線充足的照片。

這主要是因為植物識別的科學理解並不像音樂識別那麼明確。熱帶地區許多植物仍未被科學正式命名或識別。有些植物外觀極為相似（常因擬態現象）。園藝植物的選育令部分植物擁有極端的形狀或顏色。植物間的雜交更增加辨識難度。植物學家有時也會 感到困惑！ 不過別擔心 — PlantSnap 不斷進步中。

此外， PlantSnap 的演算法持續學習，因為它依託人工智慧。根據我們所尋得的資訊，Shazam 似乎不會自動更新學習。這也許是因為每天有 超過 2500 首新歌發行，而同時間發現的新植物種類遠不及此數量！某種程度上，這使得更新植物資料庫比更新歌曲資料庫來得容易。

這代表 PlantSnap 的演算法可以用已知植物自我學習，而 Shazam 需要擁有音樂版權的人士提交歌曲，但任何 PlantSnap 用戶都可以提交植物以供進一步檢視。

Shazam 採用分層系統加快辨識速度，應用程式會先自動檢查最熱門的歌曲，然後逐漸擴展搜尋範圍。這保持了應用程式的響應速度，因為有時每 20 次 Shazam 查詢中就有一次是相同熱門歌曲！PlantSnap 目前沒有使用同類分層系統 — 不過未來這可能會實現。

而同一首歌的混音版數量有限，且著作權法限制了相似性，全球植物在同物種內的差異常顯著，同時還有相互擬態的現象產生。整體狀況相當複雜，兩款應用程式運作得如此出色令人讚嘆。

 

總結：PlantSnap 多半是植物界的 Shazam

 

總之，PlantSnap 和 Shazam 在功能上極為相似，儘管它們所處理的素材大相逕庭。Shazam 處理的是（大多）由人類創造的聲音，而 PlantSnap 辨識的植物，有時連最熟練的植物學家都難以辨認。

趕快試試這款「植物界的 Shazam」— 你現在可以免費下載並使用 PlantSnap。使用此應用程式的同時，你也幫助「訓練」演算法，讓 PlantSnap 對下一位用戶更加完善。