用LLM识别蘑菇：致命误判风险
Mushroom hunting with LLMs: what can go wrong?
我利用FungiTastic数据集，测试了Gemini、Claude、GPT等主流LLM识别蘑菇的能力。结果令人担忧：虽然Gemini 3.6 Flash准确率最高，但所有模型都曾将剧毒的Amanita phalloides（毒鹅膏）误判为可食用的Cantharellus cibarius（鸡油菌）。这种致命错误并非随机，而是重复了人类采菇者的经典悲剧。在涉及生命安全的问题上，LLM的视觉识别能力远未达到可信赖的程度。
一个致命的网伞菌被误认为是鸡油菌——这正是导致采菇者死亡的同一个错误。
HN 评论区
71- Insanity
把可能致命的决定交给 LLM 来做，我想这倒是个不错的“达尔文测试”。
可惜我觉得大众并不理解 LLM 是不可靠的。（甚至科技圈的人也会严重高估它们的能力……至少从它们在 LLM 上疯狂烧钱来看是这样）。
- julienchastang
哈哈！我刚刚和 ChatGPT 进行了一场非常有趣的对话，关于我在前院草坪上发现的一种蘑菇。我有 99% 的把握认为它是一种可食用的平菇，它分析了大小、生长基质（枯死的白蜡树根部，这后来被证明是一个有用的识别特征——我在短时间内学到了很多真菌学知识）。而且我草坪上不用化肥、除草剂、杀虫剂或杀菌剂（显然），所以我觉得它应该挺好吃的。我吃了吗？绝对没有。但随后我开始想，我会信任人类能正确识别它吗？说实话，我也不确定。无论是 LLM 还是人类，误判的代价都太大了。
- WarmWash
我最近用 Gemini 做采蘑菇（foraging）用得挺多。这绝对是“信任，但要核实”的情况。它至少能帮你把方向找对，去进行核实，而不必在一堆图片里大海捞针。
所以即使它错了，通常简单的核实就能揭示它为什么错。我还没遇到过它错得离谱的情况（比如它指出的蘑菇和图片里的蘑菇完全不像）。而且它通常也会警告长得像的有毒品种。
我也经常用它来识别普通植物，在这方面它同样令人印象深刻，而且风险低得多（反正我不吃那些）。
- zikduruqe
有老练的采蘑菇人，也有胆大的采蘑菇人。
但没有又老又胆大的采蘑菇人。
- Legend2440
有没有可能通过任何方法，仅凭一张图片就以可靠（>99%）的准确率识别蘑菇？
所有图像数据集都存在一个固有的最小误差，这是由数据中信息的局限性决定的，无论你用什么模型或方法来分析。
光靠看，你可能根本无法区分两种长相相似的蘑菇物种。