{"id":8636,"date":"2023-12-26T11:31:00","date_gmt":"2023-12-26T11:31:00","guid":{"rendered":"https:\/\/dailyai.com\/?p=8636"},"modified":"2023-12-26T11:31:00","modified_gmt":"2023-12-26T11:31:00","slug":"pigeon-ai-model-knows-where-you-took-that-photo","status":"publish","type":"post","link":"https:\/\/dailyai.com\/da\/2023\/12\/pigeon-ai-model-knows-where-you-took-that-photo\/","title":{"rendered":"PIGEON AI-model ved, hvor du tog det billede"},"content":{"rendered":"

Forskere fra Stanford University har skabt AI-modeller, der kan identificere, hvor et foto er taget, med bem\u00e6rkelsesv\u00e6rdig n\u00f8jagtighed. Der er gode anvendelsesmuligheder for deres l\u00f8sning, men der skal ogs\u00e5 tages stilling til vigtige etiske sp\u00f8rgsm\u00e5l.<\/strong><\/p>\n

Hvis dit feriebillede har Eiffelt\u00e5rnet eller Mount Rushmore bag dig, s\u00e5 er det ret nemt at se, hvor billedet er taget. Hvis billedet er taget p\u00e5 en mark i Illinois med et tilf\u00e6ldigt tr\u00e6 bag dig, er det meget mere udfordrende at identificere stedet.<\/p>\n

Det er netop den slags udfordring, som mere end 50 millioner spillere af GeoGuessr<\/a> spil nyde.<\/p>\n

Tre forskere fra Stanford University var ivrige spillere af spillet og ville se, hvordan AI-modeller ville klare sig mod de bedste menneskelige spillere.<\/p>\n

De startede med et neuralt netv\u00e6rk kaldet CLIP, udviklet af OpenAI, som base for to forskellige modeller til geolokalisering af billeder.<\/p>\n

Den f\u00f8rste model, Predicting Image Geolocations (PIGEON), blev tr\u00e6net ved hj\u00e6lp af et datas\u00e6t med omkring 100.000 steder fra GeoGuessr-spillet. For hver placering fik PIGEON et 360-graders panorama lavet ud fra et s\u00e6t af fire Google Street View-billeder.<\/p>\n

Den anden model, Predicting Image Geolocations with Omni-Terrain Training Optimizations (PIGEOTTO), blev udelukkende tr\u00e6net p\u00e5 mere end 4 millioner geo-taggede Flickr-billeder fra hele verden.<\/p>\n

N\u00e5r PIGEON blev pr\u00e6senteret for et Google Street View-billede af et hvilket som helst sted i verden, var den i stand til at g\u00e6tte landet korrekt i 95% af tilf\u00e6ldene og kunne v\u00e6lge stedet inden for en afstand af ca. 16 km i lidt over 40% af tilf\u00e6ldene.<\/p>\n

Forskerne satte derefter PIGEON op mod de bedste GeoGuessr-spillere, hvor den slog dem med en betydelig margin.<\/p>\n

\"\"
PIGEON's geolokaliseringsafstandsfejl i forhold til menneskelige GeoGuessr-spillere med forskellige f\u00e6rdighedsniveauer i spillet i 458 flerrundekampe. Champion Division best\u00e5r af de bedste 0,01% af spillerne. Kilde: arXiv<\/figcaption><\/figure>\n

PIGEOTTO, som er en mere generaliseret model, slog de nuv\u00e6rende state-of-the-art-modeller p\u00e5 geolokaliserings-benchmarkdatas\u00e6t med en stor margin.<\/p>\n

Da PIGEON m\u00f8dte Trevor Rainbolt, som anses for at v\u00e6re en af de bedste geoguessere i verden, slog den ham flere gange. Det minder lidt om Deep Blue, der slog Gary Kasparov i skak tilbage i 1997.<\/p>\n

\n

Vi byggede en AI til at konkurrere mod verdens bedste GeoGuessr-spiller og vandt! \ud83d\udd0e\ud83c\udf0d\ud83c\udfc6<\/p>\n

I @geoguessr<\/a>>50 millioner spillere konkurrerer om at g\u00e6tte, hvor de er, ud fra en tilf\u00e6ldig placering p\u00e5 Google Street View. \ud83d\uddfa\ufe0f<\/p>\n

Tak for hj\u00e6lpen @georainbolt<\/a> for den sjove udfordring!https:\/\/t.co\/g7tIeUELz5<\/a><\/p>\n

- Lukas Haas (@lkshaas) 13. maj 2023<\/a><\/p><\/blockquote>\n