Mobiilisovelluksia lajien tunnistamiseen löytyy joka sormelle ja varpaalle. Osa väittää tunnistavansa mitä vain, osa taas on keskittynyt tiettyihin lajiryhmiin. Tekoäly tunnistaa lajeja niin kuvista kuin äänitteistäkin.

Lajien tunnistaminen kännykällä on koukuttavan helppoa. Parhaat sovellukset ovat jo hämmästyttävän tarkkoja, ja siksi niiden määritykset onkin helppo uskoa sen kummemmin kyseenalaistamatta.

Tässä testissä uppoudutaan sovellusten parhaimmistoon ja selvitetään, mitä niiden käyttäjän kannattaa ottaa huomioon. Testatut sovellukset ovat Google Lens, iNaturalist, ObsIdentify, PlantNet, BirdNET, Merlin BirdID sekä Picture Bird. Niitä testattiin touko–kesäkuun aikana. Kaikki sovellukset ovat ilmaisia. Osaan sovelluksista ei ole valittavissa suomen kieltä.

Miten tunnistus tapahtuu?

Helsingin yliopiston vanhempi tutkija Markus Koskela kertoo, että konenäön tapa katsoa kuvia on hyvin erilainen kuin ihmisen.

”Ihminen tunnistaa ikään kuin ylhäältä alaspäin. Kuvassa on lintu, sillä on valkoiset siivet, mikä se voisi olla? Kone muodostaa tunnistuksen kokoelmasta pieniä yksityiskohtia, kuva-alueita, jotka se on oppinut yhdistämään tiettyyn lajiin.”

Tekoäly etsii yksityiskohtia ja määrittää niiden sijainteja suhteessa toisiinsa. Se vertaa kuvaa muihin näkemiinsä kuviin ja laskee todennäköisyyksiä siihen, että kuvassa on jokin sille opetetuista lajeista.

”Korkeamman tason ymmärrystä sillä ei ole. Se etsii yksityiskohtia, joita se on aiemmin nähnyt.”

Algoritmin työtä voi vähentää sijoittamalla tunnistettavan kohteen keskelle kuvaa. Sovellukset kuitenkin osaavat etsiä tunnistettavia kohteita kuvan muistakin osista. Mitä selkeämmin tunnistettava kohde eroaa muusta kuvasta, sitä helpommin sovellus alkaa tunnistaa sitä, mitä sen pitääkin.

Miten tekoäly oppii?

”Kun oppivat algoritmit lähtevät tyhjästä liikkeelle, tarvitaan valtavasti erilaisia kuvia kaikista mahdollisista eri luokista. Yhteensä puhutaan miljoonista kuvista, ehkä sadoista tai tuhansista per luokka”, Koskela sanoo.

Kuvat kerätään netistä, ja niihin liittyviltä sivustoilta yritetään löytää tieto siitä, mitä kuva esittää. Tiedon käsittely vaatii valtavasti laskentatehoa, eli esimerkiksi superkoneen.

”Tätä koulutettua mallia pystyy hienosäätämään. Jos se ei tunnista jotain alalajia, sen opettaminen voi onnistua ihan muutamilla kuvilla. Jos variaatiota on paljon, esimerkiksi kukan nuput auki tai kiinni ja vähän eri kulmista, tarvitaan vielä useampi esimerkki.”

Sovellukset tarjoavatkin mahdollisuuden antaa palautetta tai kertoa, mikä ehdotetuista lajeista osui oikeaan. Näin sovellus oppii sitä mukaa, kun sitä käytetään.

Google Lens

Sovellus tunnistaa lajien lisäksi esineitä ja rakennuksia sekä skannaa tekstit.

Google Lens on näppärä ja nopea, ja varsin usein sillä saa uskottavia tuloksia. Sovellus vaikuttaa kuitenkin kompastelevan omaan monipuolisuuteensa, sillä lajintunnistuksen kannalta tärkeitä ominaisuuksia puuttuu. Sovellukselle ei voi esimerkiksi erikseen kertoa kuvan ottopaikkaa, ja se ehdottelee usein lajeja toisilta mantereilta. Sille ei voi myöskään tarjota kahta kuvaa samasta yksilöstä kerralla.

Kun sovellukseen tottuu, alkaa huomata, milloin tunnistus on syytä tarkistaa muilla sovelluksilla. Se ei kuitenkaan itse suoraan anna arviota suoriutumisestaan.

iNaturalist

Sovellus tunnistaa lajeja kuvasta ja äänestä tekoälyn avulla, mutta tunnistuksen varmistavat muut käyttäjät. Myös ääninäytteen voi ladata yhteisön tunnistettavaksi. Varmistettu tunnistus tallentuu Lajitietokeskuksen tutkimuskäyttöön.

Monipuolinen sovellus vaatii totuttelua. Tekoälyn tunnistus on vain pieni osa sovellusta, eikä aivan ensimmäisenä tarjolla.

Tunnistuksen avuksi voi antaa samasta yksilöstä useita kuvia sekä tiedot havaintopaikasta ja -ajasta. Sovellus kertoo, onko sen ehdottamia lajeja nähty havaintopaikan lähellä. Tunnistuksen varmuus on selvästi näkyvillä. Sovellus voi myös ehdottaa vain lajiryhmää ja tarjota sitten lajiehdokkaita.

Ötökkäkuvissa iNaturalist ja Google Lens ovat hyvä sovelluspari. Monesti toinen löytää lajin, kun toinen ei siinä onnistu.

Yhteisön tunnistusapu on mahtava etu muihin sovelluksiin verrattuna, vaikka tunnistuksia tuleekin aika sekalaisesti. Osa kuvista tunnistetaan tai varmistetaan nopeasti, mutta moni jää tunnistamatta.

ObsIdentify

Hollantilainen sovellus tallentaa havainnot tieteen käyttöön iNaturalistin tavoin, joskaan ei suomalaisen Lajitietokeskuksen tietokantaan. Se tunnistaa kuvasta monenlaisia lajeja.

Sovellus on selkeä, ja sitä on iNaturalistia helpompi käyttää lajien tunnistamiseen ilman havainnon tallennusta. ObsIdentify tarjoaa epäilyttävän usein osuman todennäköisyydeksi sataa prosenttia.

Testaan sovellusta erilaisilla kimalaisen kuvilla, ja se yllättää asiantuntemuksellaan. Se ehdottaa kimalaiskuvalle kolmen lajin ryhmää, sillä sovellukselle on selvästi opetettu, ettei yleistä mantukimalaista voi erottaa luotettavasti iso- ja kangaskimalaisesta kuvan perusteella.

Heti seuraavaksi tekoäly kuitenkin väittää juhannuskimalaista 99 prosentin varmuudella varsin samannäköiseksi sammalkimalaiseksi. Kuvan oheen ei ollut jälkikäteen mahdollista liittää sijaintitietoa, josta olisi saattanut olla apua tunnistuksessa.

PlantNet

Sovellus tunnistaa kasveja muun muassa kukkien, lehtien tai hedelmien perusteella.

PlantNet-sovelluksessa on hyvät mahdollisuudet auttaa tekoälyä tunnistamaan laji. Sille voi ottaa useampia kuvia ja vielä kertoa, mitä niissä näkyy. Tässä on kukka, tältä näyttää lehti. Kuvia voi ottaa myös esimerkiksi kasvupaikasta.

Sovelluksen tarkkuus on todella hyvä, ja vaikka se arvioisi onnistumisen todennäköisyyden melko matalaksi, ensimmäinen vaihtoehto on silti usein oikea tai ainakin hyvin lähelle. Hankalimpia ovat lajiryhmät, joissa lähilajit ovat hyvin samannäköisiä. Sovelluksen ehdottamien vaihtoehtojen joukosta, pikkuruisten kuvien perusteella, on vaikea varmistua oikeasta vaihtoehdosta. Joskus monen kuvan ottaminen ennemmin hämää kuin auttaa sovellusta.

Sama kiulukka, joka hämmensi Google Lensiä, on PlantNetin mielestä ensisijaisesti kurpitsa. Jo kolmas vaihtoehto osuu kuitenkin kurtturuusuun.

BirdNET

Sovellus tunnistaa lintujen ääniä piirtämänsä sonogrammin perusteella.

Satakielen ääni kuvana. Äänite: Anna Tuominen

Äänite on BirdNetin analysoima osio yllä olevassa kuvassa näkyvästä satakielen laulusta. Äänite: Anna Tuominen

Monilla linnuilla on hyvin samanlaisia kutsu- tai varoitusääniä. Tästä mustapääkertun varoituksesta sovellus tarjosi vaihtoehdoksi myös viitakerttusta. Äänite: Anna Tuominen

BirdNET tunnistaa keväiset linnunlaulut kohtalaisen hyvin. Kun se ilmoittaa olevansa lähes varma, tulos myös on melkein aina oikein. Sovellus osaa myös tunnistaa kutsu- ja varoitusääniä. Joskus se onnistuu tunnistamaan samasta äänitteestä useammankin linnun, mutta jos ne laulavat toistensa päälle, sovellus saattaa mennä sekaisin.

Haasteita syntyy, kun sovelluksen pitäisi osata erotella linnunlaulu muiden lintujen konsertin lomasta, kaukaa tai tuulisella säällä. Sovelluksen piirtämästä sonogrammista voi arvioida, osuuko tuuli mikrofoniin tai rekisteröikö se edes kaukaa tulevaa ääntä. Tunnistus on hyvä varmistaa useammalla eri äänitteellä.

Merlin Bird ID

Sovellus tunnistaa lintuja kuvien tai äänen perusteella. Tällä kertaa testattiin vain kuvatunnistusta.

Merlin Bird ID:n kuvatunnistus ei ansainnut aplodeja testauksen aikana. Kännykkäkuvat linnuista ovat usein niin kaukaa otettuja ja heikkolaatuisia, ettei liene mikään ihme, että tunnistus sakkaa. Usein sovellus tuntuu ehdottelevan ihan mitä sattuu tai jopa kertoo, ettei tunnistus onnistu. Kuvan erilaiset rajaukset tuottavat erilaisen arvausten kirjon, eikä sovellus kerro, miten varmana se tuloksia pitää.

Kun tarjoan sovellukselle järjestelmäkameralla otetun kuvan, se tunnistaa ruokokerttusen helposti. Kovin kätevää se ei kuitenkaan sovelluksesta tee.

Sovellus tunnistaa ja listaa lintujen ääniä reaaliajassa. Merlin suoriutuu tunnistuksista hyvin ja vaikuttaa pärjäävän äänten sekamelskassa paremmin kuin BirdNET.

Picture Bird

Sovellus tunnistaa lintuja kuvien perusteella.

Merliniin verrattuna sovellus on todella hyvä. Se tunnistaa muutamat sille tarjoamani kuvat heti, myös sen kännykkäkuvan tervapääskystä, johon Merlin ei osannut veikata mitään. Picture Bird on myös melko varma tunnistuksistaan.

Picture Bird turhauttaa käyttäjänsä toisella tavalla. Se tuputtaa erilaisia maksullisia tilauksia tai ilmaisia kokeilujaksoja, joiden mainoksia saa sulkea tämän tästä. Sovellus on myös käännetty suomeksi jonkin melko kehnon koneen kautta, eikä siitä jää kovin luotettavaa vaikutelmaa.

Tapaus kehrääjä

Esittelen kännykällä kaukaa otetun kehrääjäkuvan eri sovelluksille. Testasin samaa kuvaa kesällä 2022 sekä keväällä 2023, ja testien välillä yksi sovelluksista onnistui parantamaan suoritustaan.

Juttua muokattu Suomen Luonto -lehdessä 5/2023 julkaisun yhteydessä 5.5.2023. Lisätty ObsIdentify-sovellus ja tehty muutamia muita, pieniä muutoksia.

Jyväskylän yliopisto julkaisi hiljattaisin Yle Luonnon kampanjan osana Muuttolintujen kevät -tunnistussovelluksen. Lue lisää numeron 5/2023 sivulta 11.