Identyfikacja grzybów przez AI: co pokazał test szesnastu modeli

30 września, 2026 · Badania · 6 min czytania

Pomysł jest kuszący: zdjęcie, aplikacja, nazwa gatunku. Piotr Migdał, inżynier oprogramowania w firmie Quesma, postanowił sprawdzić, jak to wychodzi w praktyce, i przepuścił szesnaście modeli sztucznej inteligencji przez zestaw zdjęć grzybów. Wyniki opisał 2 września 2026 roku serwis The Register.

Krótka wersja: nawet najlepszy model myli się na tyle często, że wynik nie nadaje się do żadnej decyzji o konsekwencjach zdrowotnych.

Jak wyglądał test

Podstawą były dwa zestawy gatunków — bezpiecznych i śmiertelnie trujących, także takich, które występują w Polsce — a autor porównywał je z duńską biblioteką zdjęć grzybów FungiTastic. Materiał liczył 1040 fotografii obejmujących 55 gatunków: po dwadzieścia zdjęć na gatunek tam, gdzie było ich tyle dostępnych, a rzadsze gatunki dopełniono ze zbioru walidacyjnego.

Modele oceniano na dwa sposoby: czy trafiły w gatunek pierwszą odpowiedzią oraz czy poprawna nazwa znalazła się w pierwszej piątce propozycji.

Wyniki

Rozstrzelenie między modelami jest ogromne — od dwóch trzecich trafień do jednej ósmej. To pierwsza rzecz warta zapamiętania: „sprawdziłem w AI” nie znaczy nic, dopóki nie wiadomo, w czym dokładnie.

Druga miara jest jednak ważniejsza od trafności. Chodzi o to, jak często model uznaje grzyba trującego za jadalnego — bo tylko ten kierunek pomyłki jest groźny:

• Qwen3.8-27b — 36 procent,
• Qwen3.8-flash — 30 procent,
• Muse-spark-1.2 — 8 procent, ale wyłącznie dlatego, że model najczęściej odmawiał zgadywania.

Ten ostatni przypadek jest pouczający. Najniższy wskaźnik groźnych pomyłek osiągnął model, który po prostu nie odpowiadał. Powściągliwość okazała się skuteczniejsza od wiedzy.

Dlaczego „w pierwszej piątce” to miara myląca

Osiemdziesiąt pięć procent brzmi znacznie lepiej niż sześćdziesiąt pięć — i właśnie dlatego ta liczba jest w tym zastosowaniu bezużyteczna.

Trafienie w pierwszej piątce znaczy, że poprawna nazwa gdzieś na liście była. Nie znaczy, że ktokolwiek ją wybrał. Osoba, która nie zna gatunku, nie ma czym rozstrzygnąć między pięcioma propozycjami — a gdyby miała, nie potrzebowałaby aplikacji. Miarą odpowiadającą rzeczywistej decyzji jest więc ta niższa.

Arytmetyka jest tu zresztą bezlitosna: 65 procent trafień przy pierwszej odpowiedzi znaczy, że mniej więcej co trzeci wynik najlepszego modelu jest błędny.

Groźne pomyłki nie są losowe

Autor testu podsumował to jednym zdaniem: niebezpieczne błędy nie są przypadkowe. Konkrety, które za tym stoją:

• muchomor sromotnikowy (Amanita phalloides) — rozpoznany poprawnie w 48 procentach, ale uznany za jadalny w 15 procentach przypadków,
• lejkówka (Clitocybe rivulosa, fool’s funnel) — uznana za jadalną w 48 procentach, najczęściej za Clitopilus prunulus,
• czubajeczka (Lepiota subincarnata, fatal dapperling) — w 31 procentach, najczęściej za twardzioszka przydrożnego,
• zasłonak wspaniały (Calonarius splendens) — w 27 procentach uznany za pieprznik jadalny, czyli kurkę.

Jedna liczba z tej tabeli bywa myląca i warto ją rozdzielić: muchomor sromotnikowy trafiał też w 16 procentach przypadków na inny gatunek trujący. To pomyłka w kierunku nieszkodliwym — czytelnik dostaje ostrzeżenie, choć nie to właściwe. Groźny jest wyłącznie odsetek „uznany za jadalny”.

Ta ostatnia pomyłka mówi o mechanizmie najwięcej. Zasłonak i kurka to dla człowieka dwie całkiem różne rzeczy, ale na fotografii o określonym kadrze, barwie i oświetleniu klasyfikator widzi zbiór pikseli, nie organizm. Model nie rozumie, czym jest grzyb — dopasowuje obraz do obrazów, które widział wcześniej.

Dlaczego zdjęcie to za mało, nawet dla specjalisty

Tu dochodzimy do sedna, które wykracza poza jakość modeli. Sama taksonomia grzybów nie działa na poziomie fotografii.

Współczesne opisy gatunków opierają się na sekwencjonowaniu DNA. W największym badaniu genetycznym rodzaju Psilocybe po raz pierwszy zsekwencjonowano 39 gatunków — i dopiero wtedy dało się uporządkować relacje między nimi. Istnieją gatunki kryptyczne: nieodróżnialne makroskopowo, rozdzielone wyłącznie genetycznie. Psilocybe ochraceocentrata została wyodrębniona właśnie na tej podstawie.

Jeśli mykolog z mikroskopem i sekwenatorem potrzebuje do rozstrzygnięcia analizy molekularnej, to model pracujący na zdjęciu z telefonu nie ma z czego wyciągnąć odpowiedzi. Nie jest to kwestia większego zbioru treningowego — informacja rozstrzygająca po prostu nie znajduje się w obrazie.

Dotyczy to również gatunków zawierających alkaloidy. Wśród gatunków notowanych w Polsce są takie, które mają bardzo podobnie wyglądających sąsiadów, a łysiczka lancetowata jest tu klasycznym przykładem gatunku drobnego i łatwego do pomylenia.

Czego ten test nie obejmował

Warto znać granice takiego zestawienia, bo one też są informacją.

Duński zbiór, z którym autor porównywał swoje zestawy, jest materiałem poważnym: 340 tysięcy obserwacji, 615 tysięcy zdjęć i 2,8 tysiąca gatunków, zbudowane na danych z obywatelskiego projektu Atlas Grzybów Danii. Obserwacje pochodzą więc od wolontariuszy, ale etykiety weryfikują eksperci, a część z nich potwierdzono sekwencjonowaniem DNA. Autor testu zwraca uwagę, że nie jest to przypadek: Atlas opiera się na weryfikacji eksperckiej i DNA właśnie dlatego, że samo zdjęcie nie wystarcza.

Modele oceniano natomiast wyłącznie z obrazu, choć sam zbiór zawiera także dane kontekstowe, geolokalizacyjne i klimatyczne. A przy oznaczaniu grzybów rozstrzygają często rzeczy, których na zdjęciu nie ma w ogóle: podłoże, zapach, reakcja miąższu, cechy zarodników. Test mierzy więc możliwości samego obrazu, a nie granice oznaczania jako takiego.

I rzecz oczywista: to nie jest praca recenzowana. To test przeprowadzony przez inżyniera i opisany w serwisie technologicznym. Jego wartość polega na tym, że ktoś w ogóle policzył coś, o czym zwykle się tylko rozmawia.

Co z tego wynika praktycznie

Trzy wnioski, wszystkie negatywne — i to jest właściwy rodzaj wniosku w tym temacie.

Aplikacja nie jest metodą. Odpowiedź modelu nie ma statusu oznaczenia, nawet jeśli podaje nazwę łacińską.

Kierunek pomyłki ma znaczenie asymetryczne. Uznanie grzyba jadalnego za trujący kosztuje stracony spacer. Pomyłka w drugą stronę bywa nieodwracalna — angielskie nazwy gatunków z tej listy, death cap czy fatal dapperling, mówią to wprost.

Materiał o znanym pochodzeniu nie stawia tego problemu. Kultura grzybni z opisanym gatunkiem nie wymaga oznaczania, bo jej tożsamość jest znana od początku — kłopot z identyfikacją dotyczy wyłącznie materiału zebranego w terenie.

Status prawny — dla porządku

Ustawa o przeciwdziałaniu narkomanii nie wymienia grzybów: kontrolą objęte są psylocybina i psylocyna jako substancje z grupy I-P, a owocnik traktuje się jako ich nośnik. Przedmiotem sprzedaży jest grzybnia do obserwacji, a doprowadzenie jej do wyrośnięcia owocników jest w Polsce zakazane.

Najczęstsze pytania

Czy któryś model AI nadaje się do oznaczania grzybów?

Żaden z przetestowanych. Najlepszy trafiał w gatunek w 65 procentach przypadków przy pierwszej odpowiedzi, co dla decyzji o konsekwencjach zdrowotnych jest wynikiem bezużytecznym.

Dlaczego modele mylą akurat gatunki trujące?

Bo mają one bardzo podobnie wyglądających sąsiadów, a klasyfikator porównuje obrazy, nie cechy biologiczne. Autor testu podkreśla, że niebezpieczne pomyłki nie są losowe.

Czy lepszy model rozwiąże ten problem?

Nie w całości. Część gatunków rozdziela się wyłącznie badaniem DNA, więc informacji rozstrzygającej nie ma na zdjęciu.

Co znaczy gatunek kryptyczny?

Gatunek nieodróżnialny od innego pod względem wyglądu, wyodrębniony na podstawie różnic genetycznych.

Artykuł ma charakter informacyjny i nie zastępuje porady lekarza. Serwis przeznaczony dla osób pełnoletnich (18+).

Źródła

• Can AI identify mushrooms? — Piotr Migdał, Quesma, 2026 r.: źródło pierwotne testu — pełna tabela wyników z odsetkami dla poszczególnych gatunków i kierunkami pomyłek, rozmiar zbioru danych, pochodzenie z Atlasu Grzybów Danii, weryfikacja etykiet przez ekspertów i sekwencjonowanie DNA, wielojęzyczna legenda nazw gatunkowych.
• AI-assisted mushroom hunting is a recipe for a bad trip — The Register, 2 września 2026 r.: omówienie testu, afiliacja autora, liczba modeli i zdjęć, sposób doboru materiału.
• Zasłonak rudawy — Cortinarius rubellus — atlas grzyby.pl: rozgraniczenie zasłonaka rudawego od zasłonaka rudego (Cortinarius orellanus).
• FungiTastic — dokumentacja zbioru danych: zakres danych kontekstowych, geolokalizacyjnych i klimatycznych.
• Ustawa o przeciwdziałaniu narkomanii, tekst jednolity Dz.U. 2023 poz. 1939 — podstawa prawna statusu psylocybiny i psylocyny.