{"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\/nb\/2023\/12\/pigeon-ai-model-knows-where-you-took-that-photo\/","title":{"rendered":"PIGEON AI-modellen vet hvor du tok bildet"},"content":{"rendered":"

Forskere fra Stanford University har laget AI-modeller som kan identifisere hvor et bilde er tatt med bemerkelsesverdig n\u00f8yaktighet. Det finnes gode bruksomr\u00e5der for l\u00f8sningen, men det er ogs\u00e5 viktige etiske hensyn som m\u00e5 tas.<\/strong><\/p>\n

Hvis feriebildet ditt har Eiffelt\u00e5rnet eller Mount Rushmore bak deg, er det ganske enkelt \u00e5 si hvor bildet ble tatt. Hvis bildet er tatt p\u00e5 et jorde i Illinois med et tilfeldig tre bak deg, er det mye mer utfordrende \u00e5 identifisere stedet.<\/p>\n

Det er akkurat den typen utfordring som mer enn 50 millioner spillere av GeoGuessr<\/a> spillet nyte.<\/p>\n

Tre forskere fra Stanford University var ivrige spillere av spillet og \u00f8nsket \u00e5 se hvordan AI-modeller ville klare seg mot de beste menneskelige spillerne.<\/p>\n

De startet med et nevralt nettverk kalt CLIP, utviklet av OpenAI, som utgangspunkt for to ulike modeller for geolokalisering av bilder.<\/p>\n

Den f\u00f8rste modellen, Predicting Image Geolocations (PIGEON), ble trent opp ved hjelp av et datasett med rundt 100 000 steder fra GeoGuessr-spillet. For hvert sted fikk PIGEON et 360-graders panorama laget av et sett med fire Google Street View-bilder.<\/p>\n

Den andre modellen, Predicting Image Geolocations with Omni-Terrain Training Optimizations (PIGEOTTO), ble trent utelukkende p\u00e5 mer enn 4 millioner geo-taggede Flickr-bilder fra hele verden.<\/p>\n

N\u00e5r PIGEON ble presentert for et Google Street View-bilde av et hvilket som helst sted i verden, klarte PIGEON \u00e5 gjette landet riktig i 95% av tilfellene, og i litt over 40% av tilfellene klarte han \u00e5 finne stedet innenfor en radius p\u00e5 ca. 16 miles.<\/p>\n

Forskerne satte deretter PIGEON opp mot de beste GeoGuessr-spillerne, og PIGEON slo dem med betydelig margin.<\/p>\n

\"\"
PIGEONs geolokaliseringsavstandsfeil mot menneskelige GeoGuessr-spillere p\u00e5 ulike ferdighetsniv\u00e5er i 458 kamper med flere runder. Mesterdivisjonen best\u00e5r av de beste 0,01% av spillerne. Kilde: arXiv<\/figcaption><\/figure>\n

PIGEOTTO, som er en mer generalisert modell, slo de n\u00e5v\u00e6rende toppmodellene p\u00e5 geolokaliseringsreferansedatasett med stor margin.<\/p>\n

Da PIGEON m\u00f8tte Trevor Rainbolt, som regnes som en av de beste geoguesserne som finnes, slo den ham flere ganger. Det minner litt om da Deep Blue slo Gary Kasparov i sjakk i 1997.<\/p>\n

\n

Vi bygget en AI for \u00e5 konkurrere mot verdens beste GeoGuessr-spiller og vant! \ud83d\udd0e\ud83c\udf0d\ud83c\udfc6<\/p>\n

I @geoguessr<\/a>>50 millioner spillere konkurrerer om \u00e5 gjette hvor de befinner seg basert p\u00e5 tilfeldige steder p\u00e5 Google Street View. \ud83d\uddfa\ufe0f<\/p>\n

Takk @georainbolt<\/a> for den morsomme utfordringen!https:\/\/t.co\/g7tIeUELz5<\/a><\/p>\n

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