Google pracuje nad geolokalizacją z wykorzystaniem sztucznej inteligencji

Robiąc zdjęcia zawsze wyłączasz lub usuwasz z nich wszelkie dane geolokalizacyjne? Już niedługo to może nie wystarczyć, gdyż pracownicy firmy Google pracują właśnie nad algorytmami określania miejsca wykonania zdjęcia z wykorzystaniem sztucznej inteligencji.

Projekt PlaNet pod wodzą Tobiasa Weyanda — specjalisty z dziedziny rozpoznawania obrazów z firmy Google — w celu określenia lokalizacji danego ujęcia korzysta z sieci neuronowej wytrenowanej z wykorzystaniem ponad 90 milionów zdjęć zawierających metadane geolokalizacyjne.

PlaNet dla każdego z analizowanych obrazów określa rozkład prawdopodobieństwa dla poszczególnych znanych lokalizacji

Cały świat został podzielony na 26 tys. obszarów o różnej wielkości, a każde ze zdjęć zostało przypisane do odpowiednich pól na podstawie zawartych w nich informacji o współrzędnych geograficznych. Korzystając z tych danych sieć neuronowa została wytrenowana w rozpoznawaniu poszczególnych obszarów używając jedynie informacji graficznych zawartych w plikach.

Do testów skuteczności takiego modelu wykorzystano ponad dwa miliony zdjęć. PlaNet był w stanie prawidłowo określić 3.6% zbiorów z dokładnością do nazwy ulicy, 10,1% z dokładnością do miasta, 28,4% z dokładnością do kraju oraz 48% z dokładnością do kontynentu.

Określenie miejsca wykonania losowego zdjęcia nie jest łatwym zadaniem

Jak się okazuje, już w tej wersji modelu są to wyniki lepsze od uzyskiwanych przez ludzi — nawet tych o sporych doświadczeniach podróżniczych! I rzeczywiście rozpoznawanie lokalizacji losowych obrazów wcale nie jest takie proste. Można się o tym samemu przekonać tutaj.

PlaNet has an advantage over humans because it has seen many more places than any human can ever visit and has learned subtle cues of different scenes that are even hard for a well-traveled human to distinguish.

Trzeba również dodać, że tak dobre wyniki uzyskano przy relatywnie małym modelu sieci neuronowej oraz stosunkowo niewielkim zbiorze treningowym. Jak twierdzą jego autorzy, model PlaNet mógłby w obecnej postaci z powodzeniem działać nawet na przeciętnym smartfonie.

Dzięki kilku trikom PlaNet jest również w stanie rozpoznawać lokalizację zdjęć wykonanych w pomieszczeniach, a także ilustracji ukazujących jedynie pojedyncze obiekty. Pozwala na to funkcja LSTM (long short-term memory), która jest w stanie kojarzyć fotografie pochodzące z tych samych albumów.

Powyższy przykład stanowi świetną ilustrację możliwości sieci neuronowych, które już przy niewielkim modelu są w stanie znacznie wyprzedzić ludzkie możliwości analizowania i kojarzenia najróżniejszych informacji. Może to oznaczać powstanie wielu przydatnych narzędzi, ale również rozwiązań pozwalających na naruszanie naszej prywatności…

— Wojciech Smol