ИИ научился распознавать болезни кактусов по изображениям, демонстрируя потенциал автоматической диагностики без участия специалистов. Исследование показывает, что даже ограниченный набор данных может быть использован для создания эффективной системы с помощью современных моделей машинного обучения.
Учёные провели эксперимент, в котором использовали набор из всего 500 изображений кактусов. Несмотря на ограниченность, они обучили модель, способную точно определять заболевание растений. Главной особенностью подхода стало использование ИИ-инструкций для подготовки обучающих данных и генерации подсказок, которые помогли повысить точность классификации.
Авторы исследования отмечают: «Мы использовали генеративную модель для создания инструкций и промптов, способных эффективно обучать систему на небольшом датасете. Это значительно увеличило точность и надёжность модели».
Методика может быть масштабирована для других биологических и медицинских задач — от диагностики заболеваний растений до анализа изображений кожи человека на предмет патологий. По словам исследователей, «эта система потенциально может стать основой для создания автономных диагностических ИИ-инструментов».
Эксперты отмечают, что подход может стать революционным для развивающихся регионов, где доступ к квалифицированной помощи ограничен, а мобильные устройства с камерой — доступны повсеместно. Предлагаемая система также демонстрирует, как эффективны могут быть малые датасеты, если правильно использовать возможности современных ИИ.
Исследование даёт новый толчок к разработке простых и доступных ИИ-инструментов в сельском хозяйстве, биомедицине и экологии. По прогнозам учёных, подобные системы уже в ближайшие годы могут появиться в виде мобильных приложений для диагностики не только растений, но и человеческих заболеваний на ранней стадии.
