Hvor ble det bildet tatt? Datamaskiner var en gang en ulempe for mennesker i sin evne til å bruke kontekst og minne for å utlede et bildes beliggenhet. Men de dagene kan komme til å avslutte. Som Julie Morgenstern rapporterer for MIT Technology Review, kan et nytt nevralt nettverk utviklet av Google overgå mennesker nesten hver gang - selv med bilder tatt innendørs.
Relatert innhold
- Hvor mange komedieforfattere trenger det å hjelpe AI å fortelle en morsomere vits?
Det heter PlaNet, og det bruker et bildes piksler for å bestemme hvor det ble tatt. For å trene det nevrale nettverket, delte forskere Jorden i tusenvis av geografiske "celler", og la deretter inn over 100 millioner geotaggede bilder i nettverket. Noen av bildene ble brukt til å lære nettverket å finne ut hvor et bilde falt på rutenettet til celler, og andre ble brukt til å validere de første bildene.
Da ble ting alvorlig: Forskerne satte inn ytterligere 2, 3 millioner bilder med tagger og satte nettverket på prøve. PlaNet fant ut hvor 3, 6 prosent ble tatt med "gatenivå nøyaktighet", ytterligere 10, 1 prosent på bynivå, 28, 4 prosent på landsnivå og 48 prosent på kontinentnivå. Selv om det ikke er perfekt, er det ganske bra for en datamaskin.
Til slutt satte forskere nettverket sitt til den ultimate testen. De puttet det mot folk for å se hvor bra det sammenlignet med deres beste forsøk på å gjette et sted. 56 prosent av tiden gjettet PlaNet bedre enn mennesker - og de gale gjetningene var bare en median på rundt 702 miles unna bildenes virkelige beliggenhet. Derimot var menneskenes forsøkspersoner feil gjetninger over 1400 miles off.
Hvis alt dette minner deg om The Terminator 's onde Skynet-system, som ble designet for å lokalisere militær maskinvare før det gikk forsiktig og ødela hele menneskeheten, er du ikke alene. Sammenligningen er allerede gjort - og gitt nettverkets overmenneskelige ferdigheter, er den ganske treffende. Vel, bortsett fra den kjente, onde delen.
Forskere tror at nevrale nettverk en dag vil bli integrert i ting som mobiltelefoner for å utføre stadig mer komplekse analyser og til og med lære hverandre. Men i disse dager virker de selvorganiserende systemene fornøyde med å finne ut hvor bilder blir tatt og lage trippy, galleri-verdig kunst ... foreløpig.
