Tato umělá inteligence dokáže najít vaši polohu pouhým pohledem na několik fotografií
Model AI, vyvinutý postgraduálními studenty ze Stanfordu, dokáže určit - s působivou přesností - konkrétní místo pouhým pohledem na Google Street View.
Mezi bezpečné praktiky na sociálních sítích patří nezveřejňování fotografií, které zobrazují osobní údaje, jako jsou poznávací značky, názvy ulic nebo čísla domů. Ale co kdybych vám řekl, že generativní umělá inteligence může stále najít způsob, jak vás najít - pouze z pozadí vaší fotografie?
Jak pokračuje vývoj generativní umělé inteligence, jsou identifikovány nové případy použití. Postgraduální studenti Stanfordské univerzity nyní vyvinuli aplikaci, která dokáže zjistit vaši polohu z pohledu na ulici nebo dokonce jen z obrázku.
Projekt s názvem Predicting Image Geolocations (PIGEON) dokáže - ve většině případů - přesně určit konkrétní místo pouhým pohledem na Google Street View daného místa.
PIGEON dokáže předpovědět zobrazenou zemi s 92% přesností a podle předtiskového papíru dokáže určit polohu do 25 kilometrů od cílového umístění ve více než 40 % svých odhadů.
Abychom pochopili, jak působivé to je, umístil se PIGEON mezi 0,01 % nejlepších hráčů GeoGuessr, hry, ve které uživatelé hádají polohu fotografie pořízené z Google Street View daného místa. Tato hra sloužila jako geneze tohoto projektu.
PIGEON také porazil jednoho z nejlepších světových profesionálních hráčů GeoGuessr, Trevora Rainbolta, v sérii šesti zápasů, streamovaných online s více než 1,7 miliony zhlédnutí.
Jak tedy PIGEON přesně funguje?
Studenti využili CLIP, neuronovou síť vyvinutou OpenAI, která dokáže propojit text a obrázky tím, že je trénuje na názvy vizuálních kategorií, které mají být rozpoznány.
Poté, inspirován GeoGuessr, byl PIGEON trénován na datové sadě 100 000 původních, náhodně navzorkovaných lokací z GeoGuessr a stažené sadě čtyř snímků, které pokrývaly celé „panoráma“ v daném místě, což dohromady dalo 400 000 snímků.
Ve srovnání s počtem obrázků, na kterých jsou trénovány jiné modely umělé inteligence, je PIGEON ve srovnání s nimi bledší. Pro srovnání, populární model generování obrázků OpenAI, DALL-E 2, je trénován na stovkách milionů obrázků.
Studenti také pracovali na samostatném modelu s názvem PIGEOTTO, který byl trénován na více než čtyřech milionech fotografií odvozených z Flickru a Wikipedie, aby bylo možné identifikovat místo z jednoho obrázku jako vstupu.
Výkon PIGEOTTO dosáhl působivých výsledků v benchmarcích geolokalizace obrazu, podle papíru překonal předchozí nejnovější výsledky až o 7,7 % v přesnosti města a 29,8 % v přesnosti podle země.
Článek se zabývá etickými úvahami spojenými s tímto modelem, včetně výhod a rizik. Na jedné straně má geolokalizace obrázků mnoho pozitivních případů použití, jako je autonomní řízení, vizuální vyšetřování a prostě uspokojení zvědavosti, kde byla fotografie pořízena.
Mezi negativní důsledky však patří nejkřiklavější porušení soukromí. V důsledku toho se studenti podle listu rozhodli nezveřejnit modelové váhy a uvolnili pouze kód pro akademické ověření.