Kontekst
Grzybiarz to nasz własny produkt: aplikacja mobilna, która pomaga wypatrzeć owocniki w ściółce leśnej i wspiera identyfikację gatunku przez porównanie z gatunkami trującymi, z którymi da się go pomylić. Jest w budowie, z premierą celowaną na jesień 2027; kilka podsystemów jest skończonych i działa, a domykaną częścią jest potok wizyjny na urządzeniu.
Problem
Wszystko kształtują dwa ograniczenia i oba są nietypowe.
W lesie nie ma zasięgu. Nie „słaby", tylko żadnego: w momencie, w którym produkt potrzebuje serwera, żeby odpowiedzieć, jest bezużyteczny dokładnie tam, gdzie się go używa. Więc inferencja, mapa, baza gatunków i cały zapis sesji muszą mieszkać na telefonie.
Drugie ograniczenie: poprzeczkę trafności ustawia dziedzina, a nie gust. Kilka gatunków jadalnych ma sobowtóry różniące się szczegółami, których pojedyncze zdjęcie może w ogóle nie uchwycić, a ta różnica ma znaczenie. To wyklucza zwykły kształt konsumenckiej funkcji AI, w którym model zwraca najlepsze przypuszczenie z procentem obok, a interfejs pozwala temu procentowi zastąpić wiedzę.
Jest trzecie ograniczenie, które pojawia się dopiero przy grzybiarzach. Nikt nie zdradza swoich miejsc. Funkcja społecznościowa publikująca lokalizacje to funkcja, której nikt nie włączy, a taka, która publikuje je po cichu, jest zdradą.
Podejście
Produkt jest ustawiony jako asystent, nie wyrocznia, i pilnuje tego architektura, a nie formułka o odpowiedzialności. Każda identyfikacja pokazywana jest ze skalibrowaną pewnością, obok gatunków trujących, z którymi da się ją pomylić, i cech morfologicznych, które je rozdzielają: odkop podstawę trzonu i sprawdź pochwę, zobacz kolor blaszek. Dane referencyjne są zbudowane dokładnie pod to: około stu dwudziestu pięciu gatunków i sto trzydzieści par mylących, każda z wypisanymi cechami różnicującymi i oznaczeniem wagi, żeby interfejs traktował te najpoważniejsze inaczej. Model zawęża pytanie; odpowiada człowiek, który trzyma grzyba w ręku.
Kalibracja jest traktowana jak funkcja: temperature scaling, jawna opcja odmowy i wykrywanie próbek spoza rozkładu, żeby „nie wiem" było wynikiem pierwszej kategorii, a nie niskim słupkiem na wykresie. Zdjęcie czegoś, czego model nigdy nie widział w treningu, ma polec głośno, a nie wylądować na najbliższym gatunku.
Najbardziej pouczający wynik inżynierski dał potok on-device. Kwantyzacja detektora do INT8 zmniejszyłaby model o połowę i tutaj nie działa: głowa emituje pudełka, pewności i współczynniki masek sklejone w jeden tensor, więc dzielą skalę kwantyzacji. Pudełka w pikselach narzucają krok około 2,5, po czym każda pewność z zakresu od zera do jedynki zaokrągla się do zera. Zostało to zmierzone na wyeksportowanym grafie, a nie założone, i odpowiedzią było wydanie fp32 na mniejszym backbone zamiast skwantyzowanego modelu, który nie zwraca nic.
Prywatność zaprojektowaliśmy wokół tego, co grzybiarze naprawdę robią. Nie ma kont: tożsamość jest anonimowa, z kodem odzyskiwania haszowanym Argon2id i spalanym przy pierwszym użyciu, zrobionym jako SPI Keycloaka, żeby backend nadal miał jednego dostawcę tożsamości, a nie własnoręcznie zszytego. GPS jest usuwany z EXIF zdjęcia przed zapisem pliku. Znalezisko udostępnione publicznie jest po stronie serwera przesuwane losowo do dwustu metrów i sprowadzane do komórki H3, więc mapa społeczności pokazuje, gdzie idzie sezon, nie pokazując niczyjego miejsca.
Rezultat
Skończone i działające jest: podsystem sesji grzybobrania z śledzeniem GPS, rejestracją w tle i rekordami osobistymi; w pełni offline'owe mapy Polski na MapLibre i PMTiles; lokalna baza; backend społecznościowy na Quarkusie z anonimowym uwierzytelnieniem; oraz około trzydziestu ekranów cross-platform dzielonych przez aplikację mobilną i webową. Pokrywa to blisko tysiąc sto testów TypeScript i zestaw testów po stronie Javy.
Nieskończona, i trzeba to powiedzieć wprost, jest ta część, od której produkt bierze nazwę. Detektor i klasyfikator są zintegrowane i budują się na urządzeniu, toolchain eksportu jest rozstrzygnięty, a pomiar akceptacyjny liczby klatek na fizycznym sprzęcie wciąż przed nami. Funkcja wizyjna niezmierzona na prawdziwym telefonie w prawdziwym świetle jest planem, a nie zdolnością.
Wnioski
W dziedzinie, w której ostateczną decyzję podejmuje użytkownik, użyteczne pytanie nie brzmi, jak podnieść trafność, tylko co system robi, kiedy nie jest pewny. Zaprojektowana, skalibrowana i widoczna odmowa jest warta więcej niż kilka punktów trafności top-1, bo to decyzja użytkownika jest tą istotną, a interfejs albo ją wspiera, albo ją zastępuje.
Drugi wniosek jest węższy i kosztował nas czas: kwantyzacja nie jest ustawieniem. Jest decyzją numeryczną dotyczącą konkretnego grafu i na tym grafie trzeba ją zmierzyć. Nasza poległa z powodu, przed którym nic w dokumentacji by nie ostrzegło.