Egy fotó, néhány másodperc, és a telefon már közli is, milyen kannabisz van előtted. Egyes alkalmazások még THC-erősséget és indica–sativa arányt is ígérnek.
Kényelmes szolgáltatás lenne. Csakhogy a képi hasonlóság, a genetikai azonosság és a kémiai összetétel három különböző dolog. Az algoritmus pedig attól még nem lesz laboratórium, hogy százalékot ír a találata mellé.
A kannabisz körül mindig jól ment a hangzatos elnevezések kereskedelme. Most ehhez megérkezett a mesterséges intelligencia: lefotózod a virágzatot, a rendszer feldolgozza, majd előáll egy ismerősen csengő fajtanévvel.
De pontosan mit ismert fel? A növény örökítőanyagát? A terpénösszetételét? Vagy azt, hogy a fényképed hasonlít egy másik, valamilyen névvel felcímkézett fényképre?
Ez a különbség az egész történet kulcsa.
A fenotípus nem genetikai személyi igazolvány!
Először három fogalmat kell helyretenni. A genotípus a növény genetikai összetétele. A fenotípus a megfigyelhető, illetve mérhető tulajdonságainak összessége, amelyet a genetika és a környezet együttesen alakít. A kémiai profil pedig azt írja le, milyen vegyületekből mennyi található a vizsgált mintában.
Egy fénykép valóban megmutathat fenotípusos jellegeket: színt, formát, levélalakot, bizonyos virágzati sajátosságokat. Ezért túlzás volna kijelenteni, hogy képről semmilyen érdemi információ nem szerezhető.
A probléma ott kezdődik, amikor a látható tulajdonságokból pontos genetikai azonosságot állítanak. A Strainpedia saját azonosítóoldala is elismeri: a megjelenést befolyásolja a környezet, a fenotípusos változatosság, az érettség és a virágzat körbevágása; eredményei vizuális hasonlóságon alapuló javaslatok, nem genetikai igazolások.
A teljes növény fejlődésének követése több támpontot adhat, mint egyetlen szárított virágfotó. Láthatóvá válhat a növekedési forma, az elágazás és a virágzat kialakulása. A több megfigyelés azonban önmagában még nem hiteles származási bizonyíték.
Mire épülnek akkor ezek az alkalmazások?
A KushScan nyilvános technikai leírása erre meglehetősen egyenes választ ad. Képfeldolgozás után a virágzat színéből, textúrájából és szerkezeti jellemzőiből képez leírást, majd egy korábban betanított osztályozóval keres hozzá megfelelő kategóriát.
A főoldalán szereplő leírás húsz betanított fajtakategóriáról beszél. Ez a közzétett dokumentáció állítása; önmagában nem bizonyítja, hogy minden jelenlegi alkalmazásverzió ugyanekkora adatbázist használ. Ugyanott a szolgáltató THC-erősség és indica–sativa arány fényképes becslését is hirdeti.
A módszer logikája tehát: a kép alapján válaszd ki a megtanult kategóriák közül a leginkább illeszkedőt.
Ebből következik a kényes kérdés: mi történik, ha a valódi növény nincs a kategóriák között? Ha nincs megfelelő „ismeretlen” kimenet, a rendszer akkor is adhat meggyőzőnek látszó választ. Ez az osztályozási feladatból következő korlát, nem annak bizonyítéka, hogy egy konkrét alkalmazás minden esetben így hibázik.
A kijelzett magabiztosság pedig csak megfelelő ellenőrzéssel értelmezhető tényleges találati valószínűségként. Egy „92%” felirat önmagában semmit nem mond arról, hogyan teljesít a rendszer ismeretlen eredetű, más körülmények között fényképezett növényeken.
És ha már a tanítóadat neve is bizonytalan?
A kannabiszpiacon maga a fajtanév sem feltétlenül biztos kiindulópont.
Schwabe és McGlaughlin 2019-es kutatása harminc kereskedelmi fajtanévhez tartozó mintákat vizsgált genetikai markerekkel. Azonos néven forgalmazott minták között is találtak genetikai eltéréseket. A vizsgált genetikai csoportok ráadásul nem feleltek meg egyértelműen a kereskedelmi sativa–indica–hibrid felosztásnak. Ez nem jelenti azt, hogy minden fajtanév értelmetlen, de megmutatja a címkézés bizonytalanságát.
Ha egy képfelismerő ellenőrizetlen kereskedelmi címkéket tanul meg, azok következetlenségeit is továbbviheti. A modell megtanulhatja, hogyan néznek ki az adott néven összegyűjtött fotók. Ettől még nem tudjuk, hogy a fotók valóban ugyanazt a genetikát ábrázolták-e.
A terpénprofil nem olvasható le a virág színéből!
Abban is indokolt az óvatosság, hogy minden egyednek szükségszerűen teljesen egyedi terpénprofilja lenne. Létezhetnek hasonló, ismétlődő profilok és jellegzetes kémiai csoportok. A profil azonban nem változatlan személyazonosító.
Egy 2023-as kutatás genetikailag azonos növények beltéren és kültéren előállított mintái között is talált terpén- és kannabinoidprofilbeli különbségeket. Mivel több környezeti tényező egyszerre tért el, az eredményeket nem lehet kizárólag a napfénynek vagy egyetlen termesztési körülménynek tulajdonítani.
Egy másik vizsgálatban a fényviszonyok és a virágzat növényen elfoglalt helye is befolyásolta egyes terpének koncentrációját. Vagyis ugyanazon növény különböző részei sem feltétlenül adnak azonos összetételű mintát.
A betakarítás után pedig tovább változhat az összetétel. Egy 2024-es tanulmány különböző szárítási és tárolási eljárások mellett eltéréseket mutatott ki az illékony vegyületek és a kannabinoidok megőrzésében.
Egy fotó ezeket a vegyületeket nem méri meg. Ha az alkalmazás a feltételezett fajtanévhez adatbázisból társít terpén- vagy THC-adatot, az nem az előtted fekvő minta vizsgálati eredménye.
De létezik valódi optikai kutatás is:
Azért az ellenkező végletbe sem érdemes átesni. A növényi anyagok műszeres, optikai osztályozása valós kutatási terület.
Egy 2022-es tanulmány öt CBD-kenderfajtát vizsgált hiperspektrális képalkotással, és bizonyos vizsgálati összeállításokban 99,6%-os osztályozási pontosságot ért el. A berendezés 400–1000 nanométer között rögzített spektrális adatokat; a növényi szerv és a fejlődési szakasz figyelembevétele is számított.
Ez fontos eredmény. Csakhogy öt ismert fajta elkülönítése egy meghatározott kísérletben nem azonos bármely ismeretlen kannabiszvirág telefonos azonosításával. A hiperspektrális berendezés pedig más információt rögzít, mint egy hétköznapi színes fénykép.
Mitől lenne hiteles az ígéret?
Egy komolyan vehető fejlesztőnek meg kellene mutatnia, hogyan ellenőrizte a tanítóadatok genetikai és kémiai címkéit. Kellenének egymástól független növényeken, termelőknél és fényképezési körülmények között végzett tesztek, nyilvános hibaarányok és az ismeretlen minták kezelésének leírása.
Genetikai azonosság vizsgálatához megfelelő DNS-alapú összehasonlítás és hiteles referencia szükséges. A kémiai összetételhez megfelelő analitikai mérés kell. Még a genetikai eredmény sem hitelesít automatikusan egy kereskedelmi fantázianevet, ha nincs hozzá megbízható referencia.
A képfelismerő lehet hasznos összehasonlító vagy dokumentációs eszköz. A problémát az jelenti, amikor a hasonlósági becslést a felhasználó bizonyított azonosságként kapja meg.
Mielőtt tehát elhisszük, hogy a telefonunk felismerte a virág genetikáját, kérdezzünk vissza: hol van az ellenőrzött referencia és a független teszt? Mert ha csak egy fényképet hasonlított más fényképekhez, akkor pontosan ezért fizetünk — a többit a marketing tette hozzá.