{"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\/it\/2023\/12\/pigeon-ai-model-knows-where-you-took-that-photo\/","title":{"rendered":"Il modello PIGEON AI sa dove hai scattato quella foto"},"content":{"rendered":"

I ricercatori dell'Universit\u00e0 di Stanford hanno creato modelli di intelligenza artificiale in grado di identificare il luogo in cui \u00e8 stata scattata una foto con notevole precisione. I casi d'uso per la loro soluzione sono buoni, ma dovranno essere affrontate anche importanti questioni etiche.<\/strong><\/p>\n

Se lo scatto delle vacanze ha alle spalle la Torre Eiffel o il Monte Rushmore, allora \u00e8 abbastanza facile capire dove \u00e8 stata scattata la foto. Se invece la foto \u00e8 stata scattata in un campo dell'Illinois con un albero a caso alle spalle, \u00e8 molto pi\u00f9 difficile identificare il luogo.<\/p>\n

Questo \u00e8 proprio il tipo di sfida che pi\u00f9 di 50 milioni di giocatori di GeoGuessr<\/a> gioco godere.<\/p>\n

Tre ricercatori dell'Universit\u00e0 di Stanford erano accaniti giocatori di questo gioco e volevano vedere come i modelli di intelligenza artificiale avrebbero affrontato i migliori giocatori umani.<\/p>\n

Hanno iniziato con una rete neurale chiamata CLIP, sviluppata da OpenAI, come base per due diversi modelli di geolocalizzazione delle immagini.<\/p>\n

Il primo modello, Predicting Image Geolocations (PIGEON), \u00e8 stato addestrato utilizzando un set di dati di circa 100.000 localit\u00e0 del gioco GeoGuessr. Per ogni luogo, a PIGEON \u00e8 stato fornito un panorama a 360 gradi ricavato da un insieme di quattro immagini di Google Street View.<\/p>\n

Il secondo modello, Predicting Image Geolocations with Omni-Terrain Training Optimizations (PIGEOTTO), \u00e8 stato addestrato esclusivamente su oltre 4 milioni di immagini Flickr georeferenziate provenienti da tutto il mondo.<\/p>\n

Quando gli \u00e8 stata presentata un'immagine di Google Street View di una qualsiasi parte del mondo, PIGEON \u00e8 stato in grado di indovinare il paese correttamente 95% delle volte e di individuare la posizione entro circa 16 miglia poco pi\u00f9 di 40% delle volte.<\/p>\n

I ricercatori hanno poi messo PIGEON contro i migliori giocatori di GeoGuessr, dove li ha battuti con un margine significativo.<\/p>\n

\"\"
L'errore di distanza di geolocalizzazione di PIGEON rispetto ai giocatori umani di GeoGuessr di vari livelli di abilit\u00e0 nel gioco in 458 partite a pi\u00f9 turni. La divisione Champion \u00e8 composta dai migliori 0,01% di giocatori. Fonte: arXiv<\/figcaption><\/figure>\n

PIGEOTTO, che \u00e8 un modello pi\u00f9 generalizzato, ha battuto con ampio margine gli attuali modelli allo stato dell'arte sui dataset di riferimento per la geolocalizzazione.<\/p>\n

Quando PIGEON ha affrontato Trevor Rainbolt, considerato uno dei migliori geografi in circolazione, lo ha battuto pi\u00f9 volte. Ricorda un po' Deep Blue che batteva Gary Kasparov a scacchi nel 1997.<\/p>\n

\n

Abbiamo costruito un'IA per competere contro il miglior giocatore di GeoGuessr al mondo e abbiamo vinto! \ud83d\udd0e\ud83c\udf0d\ud83c\udfc6<\/p>\n

In @geoguessr<\/a>, >50 milioni di giocatori si sfidano per indovinare dove si trovano in base a una posizione casuale su Google Street View. \ud83d\uddfa\ufe0f<\/p>\n

Grazie @georainbolt<\/a> per la divertente sfida!https:\/\/t.co\/g7tIeUELz5<\/a><\/p>\n

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