Maak een foto en ik vertel je waar je bent: de verrassende nieuwe “kracht” van kunstmatige intelligentie
Inmiddels zijn we gewend geraakt aan de prestaties van kunstmatige intelligentie, die de deur heeft geopend naar tot nu toe onontdekte mogelijkheden. Nu heeft een nieuw project de alarmerende mogelijkheden van geolokalisatie onder de aandacht gebracht. Laten we er meer over te weten komen.
Van spel naar werkelijkheid: het AI-programma dat ontdekt waar je een foto hebt genomen
Pixabay
Kunstmatige intelligentie verlegt steeds ongelooflijkere en spannendere grenzen. Na het systeem dat is ontworpen om gedachten te lezen en te vertalen naar geschreven tekst, is het nu de beurt aan een project met afbeeldingen. Waar je ook bent op de wereld op het moment dat je een foto neemt, kunstmatige intelligentie kan de exacte locatie ontdekken. Dit werd gedemonstreerd door een project van een groep afgestudeerde studenten aan de Standford University in Californië (VS). Lukas Haas, Michal Skreta, Silas Alberti en Chelsea Finn probeerden de ongelooflijke vaardigheden van geolokalisatie van AI te presenteren via PIGEON, Predicting Image Geolocations. In eerste instantie was het programma ontworpen om locaties op Google Street View aan te wijzen voor GeoGuessr, een populair online geografisch spel waarin spelers locaties moeten raden aan de hand van beelden van Google Street View.
PIGEON bleek echter verrassend effectief in het nauwkeurig identificeren van zelfs foto's die op een bepaalde locatie waren genomen. De voormalige studenten van Standford ontwierpen een kunstmatige intelligentie lezer voor het spel, met behulp van beeldanalyse CLIP van OpenAI. Vervolgens trainden ze de speler om de plaatsen op de afbeeldingen te herkennen, met behulp van een set van ongeveer 500.000 Google Street View-afbeeldingen. PIGEON deed de rest en kon in 95% van de gevallen de locatie met extreme nauwkeurigheid ontdekken.
PIGEON en privacy: de bezorgdheid hierover
RAINBOLT/Youtube screenshot
Trevor Rainbolt, een ervaren GeoGuessr-speler die de capaciteiten van PIGEON testte, slaagde er zelfs in om de positie te bepalen van een gewone boom die in Illinois was gefotografeerd. Rainbolt daagde het AI-programma uit en verloor voor het eerst de wedstrijd: dit komt omdat PIGEON zelfs de kleinste details kan detecteren, zoals het terrein, de vorm en kleur van de bladeren en de kenmerken van de lucht. Ondanks de buitengewone talenten en mogelijkheden die kunstmatige intelligentie biedt, is het algemeen bekend dat de capaciteiten ervan vaak de oorzaak zijn van verbijstering en discussies over een onverstandig gebruik van dit hulpmiddel.
Ook in dit geval ontbrak het niet aan wantrouwen: de politiek analist van de American Civil Liberties Union, Jay Stanley, heeft zijn bezorgdheid geuit over mogelijke bedrijfsmonitoring en overheidssurveillance, waarbij ook de delicate kwestie van stalking aan bod kwam. Dit komt uiteraard omdat het kunnen identificeren van de precieze locatie waar een foto is genomen de individuele privacy in gevaar kan brengen en informatie kan onthullen die de persoon niet wil vrijgeven. Op een paar verwaarloosbare fouten na slaagde het model er echter in om aan te tonen dat kunstmatige intelligentie onbetwistbare macht heeft als het gaat om geolokalisatie.
Kunstmatige intelligentie ontdekt waar je een foto hebt genomen: let op de achtergrond
Pexels
Om mogelijke gevaren voor de privacy te voorkomen, stelt de analist voor om aandacht te besteden aan de details die op de achtergrond van onze foto's verschijnen, aangezien kunstmatige intelligentie geolokalisatie steeds geavanceerder en krachtiger zal maken. De auteurs van het project hebben zelf geprobeerd om deze mogelijke gevolgen te beperken door een artikel vrij te geven over de gebruikte techniek zonder de technologie openbaar te maken. "Geolokalisatie van afbeeldingen op planetaire schaal blijft een uitdagend probleem vanwege de diversiteit van beelden uit elk deel van de wereld. Hoewel op visietransformatoren gebaseerde benaderingen aanzienlijke vooruitgang hebben geboekt in de nauwkeurigheid van geolokalisatie, is het succes in eerdere literatuur beperkt tot smalle distributies van beelden van herkenningspunten en zijn de prestaties niet gegeneraliseerd naar onzichtbare locaties", zo is te lezen in hun studie.
"We presenteren een nieuw systeem van geolokalisatie dat het creëren van semantische geocellen, multitask contrastieve pre-training en een nieuwe verliesfunctie combineert. We trainen twee modellen voor de evaluatie van gegevens op straatniveau en voor geolokalisatie van afbeeldingen voor algemene doeleinden; het eerste model, PIGEON, is getraind op gegevens van het spel Geoguessr en is in staat om wereldwijd meer dan 40% van zijn aannames binnen 25 kilometer van de doelpositie te plaatsen. We ontwikkelen ook een bot en gebruiken PIGEON in een blind experiment tegen mensen, waarbij hij in de 0,01% van de beste spelers zit. Verder dagen we een van 's werelds beste professionele spelers van Geoguessr uit in een serie van zes wedstrijden met miljoenen toeschouwers, door alle zes de wedstrijden te winnen.”
De resultaten zijn ongetwijfeld indrukwekkend. Wat vind jij van dit fascinerende en alarmerende project?
