{"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\/es\/2023\/12\/pigeon-ai-model-knows-where-you-took-that-photo\/","title":{"rendered":"El modelo PIGEON AI sabe d\u00f3nde hiciste esa foto"},"content":{"rendered":"

Investigadores de la Universidad de Stanford han creado modelos de inteligencia artificial capaces de identificar con notable precisi\u00f3n d\u00f3nde se tom\u00f3 una foto. Hay buenos casos de uso para su soluci\u00f3n, pero tambi\u00e9n habr\u00e1 que abordar importantes cuestiones \u00e9ticas.<\/strong><\/p>\n

Si la instant\u00e1nea de tus vacaciones tiene la Torre Eiffel o el Monte Rushmore detr\u00e1s, es bastante f\u00e1cil saber d\u00f3nde se tom\u00f3. Si la foto se tom\u00f3 en un campo de Illinois con un \u00e1rbol cualquiera detr\u00e1s, es mucho m\u00e1s dif\u00edcil identificar el lugar.<\/p>\n

Ese es el tipo de reto al que se enfrentan los m\u00e1s de 50 millones de jugadores del GeoGuessr<\/a> juego disfrutar.<\/p>\n

Tres investigadores de la Universidad de Stanford eran \u00e1vidos jugadores del juego y quer\u00edan ver c\u00f3mo se desenvolv\u00edan los modelos de IA frente a los mejores jugadores humanos.<\/p>\n

Partieron de una red neuronal llamada CLIP, desarrollada por OpenAI, como base para dos modelos diferentes de geolocalizaci\u00f3n de im\u00e1genes.<\/p>\n

El primer modelo, Predicting Image Geolocations (PIGEON), se entren\u00f3 utilizando un conjunto de datos de unas 100.000 localizaciones del juego GeoGuessr. Para cada ubicaci\u00f3n, se proporcion\u00f3 a PIGEON una panor\u00e1mica de 360 grados hecha a partir de un conjunto de cuatro im\u00e1genes de Google Street View.<\/p>\n

El segundo modelo, Predicting Image Geolocations with Omni-Terrain Training Optimizations (PIGEOTTO), se entren\u00f3 exclusivamente con m\u00e1s de 4 millones de im\u00e1genes geoetiquetadas de Flickr procedentes de todo el mundo.<\/p>\n

Cuando se le present\u00f3 una imagen de Google Street View de cualquier lugar del mundo, PIGEON fue capaz de adivinar el pa\u00eds correctamente en el 95% de las veces y pudo elegir la ubicaci\u00f3n en un radio de 16 millas en el 40% de las veces.<\/p>\n

A continuaci\u00f3n, los investigadores enfrentaron a PIGEON con los mejores jugadores de GeoGuessr, a los que venci\u00f3 por un margen significativo.<\/p>\n

\"\"
Error de distancia de geolocalizaci\u00f3n de PIGEON frente a jugadores humanos de GeoGuessr con distintos niveles de habilidad en el juego a lo largo de 458 partidas a varias rondas. La divisi\u00f3n de campeones est\u00e1 formada por los 0,01% mejores jugadores. Fuente: arXiv<\/figcaption><\/figure>\n

PIGEOTTO, que es un modelo m\u00e1s generalizado, super\u00f3 con creces a los actuales modelos de vanguardia en los conjuntos de datos de referencia de geolocalizaci\u00f3n.<\/p>\n

Cuando PIGEON se enfrent\u00f3 a Trevor Rainbolt, considerado uno de los mejores geogu\u00edas del momento, le gan\u00f3 varias veces. Recuerda un poco a Deep Blue ganando a Gary Kasparov al ajedrez en 1997.<\/p>\n

\n

Construimos una IA para competir contra el mejor jugador de GeoGuessr del mundo \u00a1y ganamos! \ud83d\udd0e\ud83c\udf0d\ud83c\udfc6<\/p>\n

En @geoguessr<\/a>En este juego, >50 millones de jugadores compiten por adivinar d\u00f3nde se encuentran bas\u00e1ndose en una localizaci\u00f3n aleatoria de Google Street View. \ud83d\uddfa\ufe0f<\/p>\n

Gracias @georainbolt<\/a> \u00a1por el divertido reto!https:\/\/t.co\/g7tIeUELz5<\/a><\/p>\n

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