توانایی ترسناک هوش مصنوعی در تشخیص موقعیت مکانی فقط با یک عکس
دانشجویان فارغ‌التحصیل «دانشگاه استنفورد» هوش مصنوعی جدیدی توسعه داده‌اند که می‌تواند موقعیت مکانی شما را فقط براساس گوگل استریت ویو (نمای خیابان) یا یک تصویر تشخیص دهد.
به گزارش اقتصاد آنلاین به نقل از دیجیاتو ، این پروژه «پیش‌بینی موقعیت‌های جغرافیایی تصویر» (Predicting Image Geolocations) یا به اختصار PIGEON نام دارد و می‌تواند موقعیت یک مکان خاص را با بررسی استریت ویوی آن مکان تعیین کند. براساس گزارش ZDNet، هوش مصنوعی PIGEON می‌تواند کشوری که تصاویر در آن ثبت شده را با دقت 92 درصد تشخیص دهد و همچنین در بیش از 40 درصد حدس‌های خود، مکان موردنظر را در محدوده 25 کیلومتری آن محل مشخص کند.
محققان برای درک میزان تأثیرگذاری مدل خود، آن را با برترین بازیکنان بازی GeoGuessr آزمایش کرده‌اند که در آن کاربران باید موقعیت مکانی تصویر گرفته‌شده از گوگل Street View را حدس بزنند. PIGEON موفق‌شده تا یکی از بهترین بازیکنان این بازی را در شش مسابقه شکست دهد.
فارغ‌التحصیلان دانشگاه استنفورد برای توسعه هوش مصنوعی PIGEON از شبکه عصبی CLIP شرکت OpenAI استفاده کرده‌اند که می‌تواند ارتباط بین متن و تصاویر را درک کند. سپس این مدل هوش مصنوعی با مجموعه‌ای از داده‌ها متشکل از 100 هزار مکان نمونه‌برداری‌شده در GeoGuessr و مجموعه‌ای از تصاویر دیگر آموزش داده شد.
در مقایسه با سایر مدل‌های هوش مصنوعی، برای آموزش PIGEON از داده‌های بسیار کمتری استفاده شده است. به‌عنوان مثال، مدل DALL-E 2 شرکت OpenAI که می‌تواند براساس دستورات متنی کاربران تصویر تولید کند، روی صدهای میلیون تصویر آموزش داده شده اما برای PIGEON فقط از 400 هزار تصویر استفاده شده است.
هوش مصنوعی PIGEOTTO برای تشخیص موقعیت مکانی یک عکس
علاوه‌براین، دانشجویان سابق استنفورد روی مدل دیگری با نام PIGEOTTO نیز کار کرده‌اند که برای آموزش آن از بیش از چهار میلیون تصویر Flickr و ویکی‌پدیا کمک گرفته شده است و می‌تواند مکان یک تصویر را شناسایی کند. این مدل نیز ظاهراً عملکرد قابل‌توجهی از خود نشان داده و نسبت به نمونه‌های قبلی تا 7.7 درصد در شناسایی دقیق شهر و 29.8 درصد در شناسایی دقیق کشور برتری داشته است.
هرچند این مدل‌های هوش مصنوعی می‌توانند در زمینه‌هایی ازجمله توسعه سیستم‌های خودران مثبت ظاهر شوند، اما همانطور که محققان ذکر کرده‌اند، در زمینه حریم خصوصی نگرانی‌هایی را به همراه خواهند داشت. به همین دلیل در حال حاضر تصمیم گرفته شده که این مدل‌ها به‌صورت عمومی منتشر نشوند و فقط برای اهداف آکادمیک مورداستفاده قرار بگیرند.
