Mycelet lover ikke mer enn tallene tåler. Denne siden viser hvordan vi måler oss selv: hva varselet faktisk kan, hva det ikke kan, og hva vi rett og slett ikke vet ennå. Hvert tall har en dato og en metode.
Prognoser uten dokumentasjon er bare påstander. Her er regnestykket vårt — også der det ikke smigrer oss.
NÅR-signalet: det varselet faktisk kan
Sesongmodellen er lært av 316 542 daterte soppfunn fra Artsdatabanken, Artportalen og GBIF (70 arter, øyeblikksbilde 2. august 2026), delt i tre breddegradsbånd. Vi testet den strengt: modellen fikk bare se funn fra før 2021, og måtte deretter forutsi funnene fra 2021 og senere — data den aldri hadde sett.
Resultatet: AUC 0,88, mot 0,83 for den håndskrevne månedsregelen vi startet med. AUC måler rangeringsevne, der 0,5 er myntkast og 1,0 er perfekt: trekker du uka for et ekte funn og en tilfeldig annen uke av året, rangerer modellen funnuka høyest i nesten ni av ti tilfeller. Skriptet og metoden ligger åpent i kodebasen, og grunndataene er åpne via Artsdatabanken og GBIF.
Ett forbehold hører med: funndatoer måler også når folk faktisk er ute og leter. Modellen forutsier derfor «når sopp blir funnet», som ikke er nøyaktig det samme som «når sopp står i skogen».
Fasitloggen: hvert varsel, etterprøvd
Hvert soppvarsel vi sender er en påstand som kan sjekkes. Her står de siste varslene med fasit: hvor mange sopfunn som ble registrert i området uken etter varselet, mot uken før. Vi publiserer tallene uansett utfall.
Loggen starter med neste sendte varsel — fasit dukker opp her etter hvert som sesongen ruller.
Kilder: Artsobservasjoner/GBIF og funn fra Mycelet-brukere. Artsobservasjoner publiserer til GBIF med ukers etterslep, så ferske tall er systematisk for lave og vokser etter hvert som rapportene kommer inn — rader merket «modnes» er ikke ferdige. Funntall er også væravhengige i seg selv: en regntung helg gir færre folk i skogen, uansett forhold.
HVOR-signalet: det varselet ikke kan
Vi har målt vår egen evne til å peke på stedet — og den er nesten null. I lekkasjesikret validering skiller den samlede romlige modellen funnsteder fra kontrollpunkter med AUC 0,50–0,52. Det er så vidt over myntkast. Habitat (skogtype, bonitet, volum): 0,54. Tettheten av tidligere funn: 0,47–0,52 avhengig av kjøring — tilfeldighetsnivå.
Grunnen er at funndata mest måler hvor folk ferdes: nær stier, veier og parkeringsplasser. Mer data forsterker skjevheten i stedet for å fjerne den. Derfor gir tidligere funn ingen bonus i poengsummen vår — og derfor sier kartet «riktig skogtype og gode forhold», aldri «her står soppen».
Vi testet også anbefalte plukkeområder fra åpne kilder mot kontrollpunkter i samme område. Der både området og kontrollpunktet hadde skogdata (18 av 26 kvalitetssikrede områder), rangerte modellen dem med AUC 0,65 — ikke statistisk signifikant (p = 0,44). Så lenge det er sånn, later vi ikke som om vi kan rangere «beste sted».
AI-identifiseringen: det vi vet, og det ingen vet
Bildegjenkjenningen leveres av Kindwise (mushroom.id). Deres egne publiserte tall: i september 2024 oppga de 88 % topp-3-treff — riktig art blant de tre øverste forslagene — på sitt interne valideringssett. I april 2023 målte de 59,1 % topp-1 og 70,8 % topp-3 på det eksterne datasettet Mushroom Observer. Tallene gjelder ulike modellgenerasjoner og ulike testsett og kan ikke sammenlignes direkte. Begge er leverandørens egne målinger, ikke våre. Kindwise 2024 → · Kindwise 2023 →
Det viktigste tallet finnes ikke: ingen — verken Kindwise, vi eller uavhengige forskere — har publisert hvor treffsikker modellen er på norske og svenske arter spesielt. Det sier vi høyt i stedet for å late som noe annet.
Uavhengig forskning på andre soppapper maner til forsiktighet: en fagfellevurdert studie fra 2023 fant at den beste av tre testede apper identifiserte 49 % av 78 ekspertverifiserte sopper riktig, og en studie fra 2026 av tolv AI-verktøy fant at det beste fortsatt bommet i nesten 15 % av tilfellene. Ingen av studiene testet Kindwise eller Mycelet — vi siterer dem ikke for å hevde at vi er bedre, men fordi de begrunner regelen vår: Hodgson m.fl. 2023 · Kuznetsov m.fl. 2026
AI avgjør aldri spiselighet i Mycelet. Prosenten i appen heter «bildelikhet», ikke «sannsynlighet for at det stemmer». Farlige forvekslingsarter vises alltid, «vi har ikke sjekket» vises aldri som «ingen fare», og et giftig forslag kan aldri rangeres lavere enn bildemodellen selv plasserte det. Spis aldri sopp uten bekreftelse fra soppkontroll eller en soppsakkyndig.
Kindwise oppgir selv at spiselighetsfeltet i databasen deres bare er rundt 13 % komplett. Derfor overstyrer vi det alltid med vår egen kuraterte artskatalog, og ukjent spiselighet behandles som farlig. Kindwise sin dekningstabell →
Slik måler vi
Valideringene kjøres med skript som ligger i kodebasen, med metode og beslutningsregler skrevet ned på forhånd — også regelen for når vi skal forkaste vår egen idé. Da vi fant en metodefeil som ga kunstig gode romlige tall, rettet vi den og publiserte de dårligere, ærlige tallene i stedet.
Vil du gå dypere? Vi har skrevet en egen artikkel om målingene, inkludert skjevhetene i funndataene — som at 31,8 % av norske soppfunn 2015–2025 ble registrert i helger, mot 28,6 % ved jevn fordeling; en skjevhet som i praksis er borte i de siste årenes data. Hva soppkartene faktisk viser →
Det vi ikke vet ennå
Hvor treffsikker AI-en er på nordiske arter — ingen har målt det, heller ikke vi.
Hvordan varselet treffer i felt: vi har ennå ikke nok tilbakemeldinger fra ekte turer til å kalibrere mot dem.
Om innsatskorrigert funntetthet kan gi et ærlig HVOR-signal — testen er forhåndsregistrert med beslutningsregel, men ikke kjørt ennå.
Rangering av «beste sted»: målt, men ikke statistisk signifikant. Vi behandler det som ukjent.
Tallene på denne siden ble sist kontrollert 26. august 2026. Kartet inneholdt da 428 829 dokumenterte funn; sesongkurvene bygger på øyeblikksbildet fra 2. august 2026. Se alle datakilder og lisenser →