安全的社交媒体利用方法包括不发布展示个人信息的照片，例如车牌号码、街道名称或门牌号码。
但是，如果我见告你天生式人工智能仍旧可以通过照片的背景来找到你，你会怎么想？

随着天生式人工智能的发展，新的运用处景正在被创造。
现在，斯坦福大学的研究生们开拓了一个可以从街景或者仅仅一张图片中检测你位置的运用程序。

这个项目被称为“预测图像地理位置”（PIGEON），它在大多数情形下可以通过查看该地点的谷歌街景来准确确定详细位置。

根据预印本论文，PIGEON可以以92%的准确率预测所显示的国家，并且在超过40%的预测中，可以将目标位置定位在25公里以内的范围内。

要理解这一点的印象力，PIGEON在GeoGuessr玩家中排名前0.01%，该游戏哀求用户预测从谷歌街景中拍摄的照片所在的位置。
这个游戏为这个项目的起源。

那么，PIGEON是如何事情的呢？学生们利用了OpenAI开拓的CLIP神经网络，它可以通过演习来连接文本和图像，演习时利用了要识别的视觉类别的名称。

然后，受到GeoGuessr的启示，PIGEON被演习利用了一个数据集，个中包括从GeoGuessr中随机抽取的10万个原始位置以及一个包含四张图像以覆盖给定位置的完全“全景”图像的***集，统共达到了40万张图像。

与其他AI模型的演习图像数量比较，PIGEON的数量相形见绌。
作为参考，OpenAI的热门图像天生模型DALL-E 2是在数亿张图像上进行演习的。

学生们还开拓了一个名为PIGEOTTO的独立模型，该模型利用了从Flickr和维基百科中获取的400万张照片进行演习，以从单张图像中识别出所在位置。

根据论文，PIGEOTTO在图像地理定位基准测试中表现出色，城市准确度超过先前最前辈结果高达7.7％，国家准确度超过29.8％。

论文还磋商了与该模型干系的伦理考虑，包括利益和风险。
一方面，图像地理定位具有许多积极的用例，如自动驾驶、视觉调查，以及知足对照片拍摄位置的好奇心。

然而，负面影响包括对隐私的最明显陵犯。
因此，根据论文，学生们决定不公开拓布模型权重，只公开了用于学术验证的代码。