这个人工智能只需看几张照片就能找到你的位置

由斯坦福大学研究生开发的人工智能模型只需查看谷歌街景即可以令人印象深刻的准确性确定特定位置。

安全的社交媒体做法包括不发布展示个人信息（例如车牌号、街道名称或门牌号）的照片。但如果我告诉你，生成式人工智能仍然可以找到一种方法来定位你——仅仅从你的照片背景呢？

随着生成式人工智能的不断发展，新的用例正在被识别。现在，斯坦福大学的研究生开发了一款应用程序，可以从街景甚至图像中检测您的位置。

该项目称为预测图像地理位置（PIGEON），在大多数情况下，只需查看该位置的谷歌街景即可准确确定特定位置。

根据预印本论文，PIGEON 可以以 92% 的准确度预测图中的国家/地区，并且在超过 40% 的猜测中，它可以精确定位到目标位置 25 公里以内的位置。

要了解这是多么令人印象深刻，PIGEON 在 GeoGuessr 玩家中排名前 0.01%，在这款游戏中，用户猜测从 Google 街景拍摄的照片的位置。该游戏是该项目的起源。

PIGEON 还在一系列六场比赛中击败了世界上最好的 GeoGuessr 职业选手之一 Trevor Rainbolt，在线直播观看次数超过 170 万次。

那么PIGEON到底是如何运作的呢？

学生们利用了 CLIP，这是 OpenAI 开发的一种神经网络，可以通过训练要识别的视觉类别名称来连接文本和图像。

然后，受 GeoGuessr 的启发，PIGEON 在包含来自 GeoGuessr 的 100,000 个原始随机采样位置的数据集和一组下载的四张图像上进行训练，以跨越给定位置的整个“全景图”，总共生成 400,000 张图像。

与其他人工智能模型训练的图像数量相比，PIGEON 的模型相形见绌。作为参考，OpenAI 流行的图像生成模型 DALL-E 2 经过数亿张图像的训练。

学生们还开发了一个名为 PIGEOTTO 的独立模型，该模型接受了来自 Flickr 和维基百科的超过 400 万张照片的训练，以从单个图像中识别位置作为输入。

据该论文称，PIGEOTTO 的性能在图像地理定位基准上取得了令人印象深刻的结果，在城市精度方面比之前最先进的结果高出 7.7%，在国家精度方面高出 29.8%。

本文讨论了与该模型相关的道德考虑因素，包括收益和风险。一方面，图像地理定位有许多积极的用例，例如自动驾驶、视觉调查以及简单地满足对照片拍摄地点的好奇心。

然而，负面影响包括最公然侵犯隐私。因此，根据该论文，学生们决定不公开发布模型权重，仅发布用于学术验证的代码。