Quante volte avete visto delle splendide immagini sul web e vi siete chiesti dove fossero state scattate? Se le immagini in questione contengono monumenti famosi o località universalmente riconosciute la risposta è semplice, ma quando vi trovate ad ammirare una spiaggia tropicale o una montagna innevata le cose iniziano a diventare più complicate.
Gli esseri umani hanno imparato a riconoscere determinati dettagli che possono fornire un’indicazione sulla località, certamente in maniera approssimativa ma di solito sufficientemente precisa. Tobias Weyand, insieme ad un paio di suoi colleghi in Google, ha sviluppato un nuovo sistema in grado di riconoscere la località in cui sono scattate le immagini.
PlaNet, questo il nome del progetto, è basato sull’utilizzo di una rete neurale ed è in grado di riconoscere la località in cui sono state scattate immagini di interni, grazie ad un lavoro di apprendimento che ha richiesto oltre 126 milioni di immagini. Il trucco è stato quello di suddividere il nostro pianeta in circa 26000 piccole aree, quindi prendere un enorme quantitativo di immagini geolocalizzate ed associarle ad ognuna delle aree.
Pur essendo ancora molto lontano dalla perfezione assoluta, PlaNet è stato in gradi di analizzare oltre due milioni di immagini provenienti da Flickr, arrivando nel 3,6% dei casi ad indovinare la via, nel 10% dei casi la città e in assoluto indovinando nel 48% dei casi il continente corretto.
Se pensate di essere in grado di ottenere risultati migliori potete effettuar lo stesso test a cui gli sviluppatori hanno sottoposto PlaNet. Potete visitare il sito www.geoguessr.com e verificare la vostra bravura nel riconoscere dove sono state scattate le immagini che vi verranno proposte.
Per avere un riferimento preciso, sappiate che PlaNet ha vinto 28 dei 50 esercizi, arrivando ad una distanza media di circa 1100 chilometri dalla posizione esatta, mentre la media di un essere umano arriva a poco più di 2300 chilometri.
Ancora una volta Google ha dimostrato l’enorme potenziale di cui dispongono le reti neurali che potrebbero in un prossimo futuro essere utilizzate per risolvere problemi ben più complessi e fondamentalmente utili.