AI ini dapat menemukan lokasi Anda hanya dengan melihat beberapa foto
Dikembangkan oleh mahasiswa pascasarjana Stanford, model AI dapat menentukan -- dengan akurasi yang mengesankan -- lokasi tertentu hanya dengan melihat Google Street View.
Praktik media sosial yang aman termasuk tidak memposting foto yang menampilkan informasi pribadi seperti nomor plat, nama jalan, atau nomor rumah. Namun bagaimana jika saya memberi tahu Anda bahwa AI generatif masih dapat menemukan cara untuk menemukan lokasi Anda -- hanya dari latar belakang foto Anda?
Seiring dengan berlanjutnya pengembangan AI generatif, kasus penggunaan baru pun mulai teridentifikasi. Kini, mahasiswa pascasarjana di Universitas Stanford telah mengembangkan aplikasi yang dapat mendeteksi lokasi Anda dari tampilan jalan atau bahkan hanya gambar.
Proyek tersebut, yang disebut Predicting Image Geolocations (PIGEON), dapat -- dalam banyak kasus -- secara akurat menentukan lokasi tertentu hanya dengan melihat lokasi tersebut di Google Street View.
PIGEON dapat memprediksi negara dalam gambar dengan akurasi 92%, dan dapat menentukan lokasi dalam jarak 25 kilometer dari lokasi target dengan lebih dari 40% tebakannya, menurut makalah pracetak.
Untuk memahami betapa mengesankannya hal tersebut, PIGEON berada di peringkat 0,01% teratas pemain GeoGuessr, permainan di mana pengguna menebak lokasi foto yang diambil dari lokasi Google Street View. Game itu menjadi cikal bakal proyek ini.
PIGEON juga mengalahkan salah satu pemain GeoGuessr profesional terbaik dunia, Trevor Rainbolt, dalam rangkaian enam pertandingan yang disiarkan secara online dengan lebih dari 1,7 juta penayangan.
Jadi bagaimana tepatnya cara kerja PIGEON?
Para siswa memanfaatkan CLIP, jaringan saraf yang dikembangkan oleh OpenAI yang dapat menghubungkan teks dan gambar dengan melatihnya pada nama-nama kategori visual yang akan dikenali.
Kemudian, terinspirasi oleh GeoGuessr, PIGEON dilatih pada kumpulan data 100.000 lokasi asli yang diambil sampelnya secara acak dari GeoGuessr dan kumpulan unduhan empat gambar untuk menjangkau keseluruhan "panorama" di lokasi tertentu, sehingga menghasilkan total 400.000 gambar.
Dibandingkan dengan jumlah gambar yang dilatih oleh model AI lain, PIGEON tidak ada artinya jika dibandingkan. Sebagai referensi, model penghasil gambar OpenAI yang populer, DALL-E 2, dilatih pada ratusan juta gambar.
Para siswa juga mengerjakan model terpisah yang disebut PIGEOTTO, yang dilatih pada lebih dari empat juta foto yang berasal dari Flickr dan Wikipedia untuk mengidentifikasi lokasi dari satu gambar sebagai masukan.
Kinerja PIGEOTTO mencapai hasil yang mengesankan pada tolok ukur geolokalisasi gambar, mengungguli hasil canggih sebelumnya hingga 7,7% dalam akurasi kota dan 29,8% dalam akurasi negara, menurut surat kabar tersebut.
Makalah ini membahas pertimbangan etis yang terkait dengan model ini, termasuk manfaat dan risikonya. Di satu sisi, geolokalisasi gambar memiliki banyak kegunaan positif seperti mengemudi otonom, investigasi visual, dan sekadar memuaskan rasa ingin tahu tentang lokasi pengambilan foto.
Namun dampak negatifnya termasuk pelanggaran privasi yang paling mencolok. Akibatnya, para siswa memutuskan untuk tidak mempublikasikan bobot model tersebut ke publik dan hanya merilis kode untuk validasi akademik, menurut makalah tersebut.