斯坦福大學(xué)的研究生們開(kāi)發(fā)了一款名為 PIGEON 的應(yīng)用程序，可以僅僅通過(guò)查看 Google 街景圖像或其他圖像來(lái)確定具體位置，其準(zhǔn)確率令人印象深刻。

　　根據(jù)預(yù)印本論文的數(shù)據(jù)，PIGEON 可以以92%的準(zhǔn)確率預(yù)測(cè)所拍攝國(guó)家，并且在40%的猜測(cè)中可以將位置定位在目標(biāo)位置的25公里范圍內(nèi)。該論文指出，PIGEON 在 GeoGuessr 游戲中排名前0.01%的玩家之內(nèi)，該游戲要求用戶根據(jù)所拍攝的 Google 街景圖像猜測(cè)位置，這也是這個(gè)項(xiàng)目的靈感來(lái)源。

　　那么，PIGEON 是如何工作的呢?

　　學(xué)生們利用了 OpenAI 開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò) CLIP，通過(guò)對(duì)視覺(jué)類別名稱進(jìn)行訓(xùn)練，使其能夠?qū)⑽谋竞蛨D像進(jìn)行連接。然后，他們根據(jù) GeoGuessr 的數(shù)據(jù)集進(jìn)行了訓(xùn)練，該數(shù)據(jù)集包含了10萬(wàn)個(gè)原始隨機(jī)采樣的地點(diǎn)和四張圖像，以覆蓋給定位置的整個(gè) “全景”，總共有40萬(wàn)張圖像。與其他 AI 模型訓(xùn)練的圖像數(shù)量相比，PIGEON 的訓(xùn)練圖像數(shù)量相對(duì)較少。例如，OpenAI 流行的圖像生成模型 DALL-E2是基于數(shù)億張圖像進(jìn)行訓(xùn)練的。

　　此外，學(xué)生們還研發(fā)了一個(gè)名為 PIGEOTTO 的單獨(dú)模型，該模型通過(guò)訓(xùn)練來(lái)自 Flickr 和維基百科的400萬(wàn)張照片，以從單張圖像中識(shí)別位置。根據(jù)論文的數(shù)據(jù)，PIGEOTTO 在圖像地理定位基準(zhǔn)測(cè)試中取得了令人印象深刻的成績(jī)，在城市準(zhǔn)確度方面超過(guò)先前的最新技術(shù)結(jié)果7.7%，在國(guó)家準(zhǔn)確度方面超過(guò)29.8%。

　　論文還探討了與該模型相關(guān)的倫理考慮，包括其益處和風(fēng)險(xiǎn)。在一方面，圖像地理定位具有許多積極的用途，例如自動(dòng)駕駛、視覺(jué)調(diào)查以及滿足對(duì)照片拍攝地點(diǎn)的好奇心。然而，其負(fù)面影響包括對(duì)隱私的最直接侵犯。因此，學(xué)生們決定不公開(kāi)發(fā)布模型權(quán)重，僅在學(xué)術(shù)驗(yàn)證時(shí)發(fā)布代碼。

　　這項(xiàng)研究為我們展示了 AI 在圖像地理定位方面的巨大潛力，但也引發(fā)了隱私和倫理方面的一些擔(dān)憂。在將來(lái)的發(fā)展中，必須更加重視這些問(wèn)題，并確保合適的保護(hù)措施得以實(shí)施。