この AI は、数枚の写真を見るだけであなたの位置を特定します

スタンフォード大学の大学院生によって開発された AI モデルは、Google ストリート ビューを見るだけで、驚くべき精度で特定の場所を特定できます。

安全なソーシャル メディアの実践には、ナンバー プレート番号、番地、番地などの個人情報がわかる写真を投稿しないことが含まれます。しかし、生成 AI が写真の背景だけからあなたを見つける方法を見つけられると言ったらどうなるでしょうか?

生成型 AI の開発が進むにつれて、新しい使用例が特定されています。現在、スタンフォード大学の大学院生は、ストリートビューや画像だけからでもあなたの位置を検出できるアプリケーションを開発しました。

Predicting Image Geolocations (PIGEON) と呼ばれるこのプロジェクトは、Google ストリート ビューでその場所を見るだけで、ほとんどの場合、特定の場所を正確に特定できます。

プレプリント論文によると、PIGEONは写真に写っている国を92％の精度で予測でき、推定の40％以上で対象の場所から25キロメートル以内の場所を正確に特定できるという。

これがどれほど素晴らしいかを理解するために、PIGEON は、ユーザーが Google ストリート ビューから撮影された写真の場所を推測するゲームである GeoGuessr プレーヤーの上位 0.01% 以内にランクされました。そのゲームがこのプロジェクトの起源となりました。

PIGEON はまた、世界最高のプロ GeoGuessr プレイヤーの 1 人である Trevor Rainbolt を 6 連戦で破り、オンラインでストリーミング配信され、170 万回以上の再生回数を記録しました。

では、PIGEON は具体的にどのように機能するのでしょうか?

学生たちは、OpenAI が開発したニューラル ネットワークである CLIP を利用しました。CLIP は、認識される視覚的なカテゴリの名前をトレーニングすることで、テキストと画像を結び付けることができます。

次に、GeoGuessr からインスピレーションを得て、PIGEON は、GeoGuessr からランダムにサンプリングされた 100,000 のオリジナルの場所のデータセットと、特定の場所の「パノラマ」全体にわたる 4 つの画像のダウンロード セットでトレーニングされ、合計 400,000 枚の画像が作成されました。

他の AI モデルがどれだけ多くの画像でトレーニングされているかと比較すると、PIGEON は見劣りします。参考までに、OpenAI の人気のある画像生成モデルである DALL-E 2 は、数億枚の画像でトレーニングされています。

学生たちは、PIGEOTTO と呼ばれる別のモデルにも取り組みました。このモデルは、Flickr と Wikipedia から派生した 400 万枚を超える写真でトレーニングされ、入力として 1 枚の画像から場所を特定しました。

論文によると、PIGEOTTOのパフォーマンスは画像地理位置推定ベンチマークで目覚ましい結果を達成し、これまでの最先端の結果を都市精度で最大7.7%、国精度で最大29.8%上回ったという。

この論文では、利点とリスクを含め、このモデルに関連する倫理的考慮事項について説明します。一方で、画像の地理的位置特定には、自動運転、目視調査、写真がどこで撮影されたかについての単純な好奇心を満たすなど、多くの前向きな使用例があります。

ただし、マイナスの影響には、最も露骨なプライバシーの侵害が含まれます。その結果、学生らはモデルの重みを公に公開しないことを決定し、学術的検証のためのコードのみを公開したと論文による。