キノコ狩りにLLMは危険？誤って毒キノコを食用と判定するケースも
Mushroom hunting with LLMs: what can go wrong?
森で見つけたキノコを写真に撮り、AIチャットで同定してもらう——その結果は？ 本記事では、Gemini、Claude、GPT-5.6など主要LLMの視覚モデルを、キノコ1,040枚の写真でベンチマーク。食用可能なキノコと致死性のキノコを対象に、トップ1とトップ5の正解率を比較した。上位のGemini 3.6 Flashは64%の正解率で、コスト効率にも優れる。一方で、致命的な誤りも見つかった。例えば、猛毒のカレンシー（Calonarius splendens）をアンズタケと誤答するケースや、致命的なドクツルタケを食用のタマゴテングタケと誤るケースなど、実際の事故につながりかねないミスが多発。モデル選びの参考になるだけでなく、LLMを実用的な同定ツールとして使う際の注意点を浮き彫りにしている。
猛毒のカレンシーがアンズタケと誤って同定される——これは、キノコ狩りで命を落とす人々が犯すのと同じ過ちだ。
HNでの議論
71- Insanity
LLMに生死に関わる可能性のある判断を任せるのは、良いダーウィン試験だと思う。
残念ながら、一般の人々はLLMが信頼できないことを理解していないと思う。（そして、テック業界の人々でさえ、その能力を大幅に過大評価することがある…少なくとも、その狂気じみた支出を見ればわかる。）
- julienchastang
はは！ちょうど今、庭の芝生で見つけたキノコについてChatGPTととても興味深い会話をしたところだ。サイズ、成長基質（枯れたトネリコの根で、これが役立つ識別特性だと判明した――私は短期間で菌学について多くを学んだ）の分析を含めて、それが食用のヒラタケであると99%確信している。さらに、芝生に肥料、除草剤、殺虫剤、殺菌剤（もちろん）を使っていないので、かなり美味しかっただろうと思う。食べたかって？とんでもない。しかし、その後、私は考えるようになった：人間にそれを正確に識別できるかどうか信頼するだろうか？実は、私もそうするかどうか確信がない。誤認のペナルティは、LLMであろうとなかろうと、大きすぎる。
- WarmWash
私は採集にGeminiをかなり使ってきた。間違いなく「信頼するが、検証する」という状況だ。それは、何百枚もの写真をくまなく見る代わりに、検証するための正しい方向に少なくとも導いてくれるのが本当に得意だ。
だから、たとえ間違っていても、短い検証で通常はなぜ間違ったのかが明らかになる。壊滅的に間違っていた（つまり、指摘されたキノコが画像のキノコとまったく似ていない）状況にはまだ遭遇したことがない。また、一般的に見た目が似ているキノコについても警告してくれる。
また、一般的な植物の識別にもよく使っているが、そこでも本当に印象的で、リスクははるかに低い（私はそれらを食べないので）。
- zikduruqe
古いキノコ狩りはいる、そして大胆なキノコ狩りもいる。
しかし、古くて大胆なキノコ狩りはいない。
- Legend2440
単一の画像からキノコを信頼性高く（>99%）識別することは、何らかの方法で可能だろうか？
すべての画像データセットには、データ内の情報の限界から生じる固有の最小誤差がある。それを分析するためにどのモデルや方法を使うかに関係なく。
似たような外見のキノコの種を、単に見ただけで見分けられないかもしれない。