{"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\/fr\/2023\/12\/pigeon-ai-model-knows-where-you-took-that-photo\/","title":{"rendered":"Le mod\u00e8le d'IA PIGEON sait o\u00f9 vous avez pris cette photo"},"content":{"rendered":"

Des chercheurs de l'universit\u00e9 de Stanford ont cr\u00e9\u00e9 des mod\u00e8les d'intelligence artificielle capables d'identifier avec une pr\u00e9cision remarquable l'endroit o\u00f9 une photo a \u00e9t\u00e9 prise. Leur solution pr\u00e9sente de bons cas d'utilisation, mais d'importantes questions \u00e9thiques devront \u00e9galement \u00eatre abord\u00e9es.<\/strong><\/p>\n

Si la Tour Eiffel ou le Mont Rushmore se trouvent derri\u00e8re vous, il est assez facile de savoir o\u00f9 la photo a \u00e9t\u00e9 prise. Si la photo a \u00e9t\u00e9 prise dans un champ de l'Illinois avec un arbre quelconque derri\u00e8re vous, il est beaucoup plus difficile d'identifier le lieu.<\/p>\n

C'est exactement le genre de d\u00e9fi que plus de 50 millions de joueurs de la GeoGuessr<\/a> jeu appr\u00e9ciez.<\/p>\n

Trois chercheurs de l'universit\u00e9 de Stanford, joueurs assidus de ce jeu, ont voulu voir comment les mod\u00e8les d'IA se comporteraient face aux meilleurs joueurs humains.<\/p>\n

Ils ont commenc\u00e9 par utiliser un r\u00e9seau neuronal appel\u00e9 CLIP, d\u00e9velopp\u00e9 par OpenAI, comme base pour deux mod\u00e8les diff\u00e9rents de g\u00e9olocalisation d'images.<\/p>\n

Le premier mod\u00e8le, Predicting Image Geolocations (PIGEON), a \u00e9t\u00e9 entra\u00een\u00e9 \u00e0 l'aide d'un ensemble de donn\u00e9es d'environ 100 000 lieux provenant du jeu GeoGuessr. Pour chaque lieu, PIGEON a re\u00e7u un panorama \u00e0 360 degr\u00e9s r\u00e9alis\u00e9 \u00e0 partir d'un ensemble de quatre images Google Street View.<\/p>\n

Le second mod\u00e8le, Predicting Image Geolocations with Omni-Terrain Training Optimizations (PIGEOTTO), a \u00e9t\u00e9 entra\u00een\u00e9 exclusivement sur plus de 4 millions d'images Flickr g\u00e9olocalis\u00e9es provenant du monde entier.<\/p>\n

Lorsqu'on lui a pr\u00e9sent\u00e9 une image Google Street View de n'importe quel endroit du monde, PIGEON a pu deviner le pays correctement dans 95% des cas et a pu trouver l'endroit \u00e0 environ 16 miles pr\u00e8s dans un peu plus de 40% des cas.<\/p>\n

Les chercheurs ont ensuite confront\u00e9 PIGEON aux meilleurs joueurs de GeoGuessr, qu'il a battu avec une marge significative.<\/p>\n

\"\"
Erreur de distance de g\u00e9olocalisation de PIGEON par rapport \u00e0 des joueurs humains de GeoGuessr de diff\u00e9rents niveaux de comp\u00e9tence dans le jeu, sur 458 matchs \u00e0 plusieurs manches. La division des champions est compos\u00e9e des 0,01% meilleurs joueurs. Source : arXiv<\/figcaption><\/figure>\n

PIGEOTTO, qui est un mod\u00e8le plus g\u00e9n\u00e9ralis\u00e9, a largement battu les mod\u00e8les de pointe actuels sur les ensembles de donn\u00e9es de r\u00e9f\u00e9rence en mati\u00e8re de g\u00e9olocalisation.<\/p>\n

Lorsque PIGEON a affront\u00e9 Trevor Rainbolt, consid\u00e9r\u00e9 comme l'un des meilleurs g\u00e9oguideurs, il l'a battu \u00e0 plusieurs reprises. Cela rappelle un peu la victoire de Deep Blue sur Gary Kasparov aux \u00e9checs en 1997.<\/p>\n

\n

Nous avons construit une IA pour affronter le meilleur joueur de GeoGuessr au monde et nous avons gagn\u00e9 ! \ud83d\udd0e\ud83c\udf0d\ud83c\udfc6<\/p>\n

En @geoguessr<\/a>Plus de 50 millions de joueurs s'affrontent pour deviner o\u00f9 ils se trouvent en se basant sur des emplacements al\u00e9atoires de Google Street View. \ud83d\uddfa\ufe0f<\/p>\n

Remerciements @georainbolt<\/a> pour le d\u00e9fi amusant !https:\/\/t.co\/g7tIeUELz5<\/a><\/p>\n

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