Google raadt locatie foto’s zonder geotags te bekijken
Nog niet zo lang geleden ontwikkelde Google AlphaGo. Het neurale netwerk leerde niet alleen hoe het het Chinese spel Go moest spelen, maar slaagde er eveneens in de Europese kampioen Fan Mui te verslaan. Met maar liefst 361 verschillende openingszetten, is Go een stuk moeilijker aan te leren aan een computer dan pakweg schaken, wat de overwinning des te indrukwekkender maakte.
Aardrijkskundeles
Nu weet Google wederom uit te pakken met een indrukwekkend stukje software. Het programma, PlaNet genaamd, kan de locatie van een foto achterhalen door simpelweg naar details in de afbeelding te kijken. Het neurale netwerk werd getraind door het maar liefst 90 miljoen beelden met geotags voor te schotelen. Het resultaat is een artificiële intelligentie die niet alleen weet dat de Eifeltoren in Parijs staat, maar ook willekeurige huizen of landschappen correct weet te lokaliseren.
Om de software te testen kreeg PlaNet 2,3 miljoen beelden te zien van Flickr, zonder dat de computer toegang kreeg tot de geotagdata. Het neurale netwerk wist in 3,6 procent van de gevallen de straat correct te raden en 10,1 procent keer raadde de software de stad juist. Op landniveau had PlaNet het in 28,4 procent van de gevallen juist en 48 procent van de foto’s werd door de computer in het juiste continent geplaatst.
[related_article id=”177430″]Mens tegen machine
Deze resultaten lijken misschien niet indrukwekkend te zijn, maar PlaNet slaagt er een stuk beter in de foto’s correct te lokaliseren dan jij en ik zouden kunnen. Om dit te bewijzen moest de computer het opnemen tegen tien ervaren reizigers in een soortgelijk spelletje als Geoguessr. Het neurale netwerk won in 28 van de 50 spelletjes, een vrij nipte overwinning.
Wanneer we bekijken hoe ver de computer er telkens naast zat, is dit echter een stuk kleiner dan bij zijn menselijke tegenstanders. De foutenmarge van PlaNet was namelijk slechts half zo groot als deze van de reizigers. De computer is dus in staat de foto’s dichter bij de daadwerkelijke locatie te plaatsen. Volgens het team achter de software komt dit doordat PlaNet meer plaatsen heeft ‘bezocht’ dan zijn menselijke tegenstanders door het bekijken van de miljoenen foto’s.
Nog niet zo lang geleden ontwikkelde Google AlphaGo. Het neurale netwerk leerde niet alleen hoe het het Chinese spel Go moest spelen, maar slaagde er eveneens in de Europese kampioen Fan Mui te verslaan. Met maar liefst 361 verschillende openingszetten, is Go een stuk moeilijker aan te leren aan een computer dan pakweg schaken, wat de overwinning des te indrukwekkender maakte.
Aardrijkskundeles
Nu weet Google wederom uit te pakken met een indrukwekkend stukje software. Het programma, PlaNet genaamd, kan de locatie van een foto achterhalen door simpelweg naar details in de afbeelding te kijken. Het neurale netwerk werd getraind door het maar liefst 90 miljoen beelden met geotags voor te schotelen. Het resultaat is een artificiële intelligentie die niet alleen weet dat de Eifeltoren in Parijs staat, maar ook willekeurige huizen of landschappen correct weet te lokaliseren.
Om de software te testen kreeg PlaNet 2,3 miljoen beelden te zien van Flickr, zonder dat de computer toegang kreeg tot de geotagdata. Het neurale netwerk wist in 3,6 procent van de gevallen de straat correct te raden en 10,1 procent keer raadde de software de stad juist. Op landniveau had PlaNet het in 28,4 procent van de gevallen juist en 48 procent van de foto’s werd door de computer in het juiste continent geplaatst.
[related_article id=”177430″]Mens tegen machine
Deze resultaten lijken misschien niet indrukwekkend te zijn, maar PlaNet slaagt er een stuk beter in de foto’s correct te lokaliseren dan jij en ik zouden kunnen. Om dit te bewijzen moest de computer het opnemen tegen tien ervaren reizigers in een soortgelijk spelletje als Geoguessr. Het neurale netwerk won in 28 van de 50 spelletjes, een vrij nipte overwinning.
Wanneer we bekijken hoe ver de computer er telkens naast zat, is dit echter een stuk kleiner dan bij zijn menselijke tegenstanders. De foutenmarge van PlaNet was namelijk slechts half zo groot als deze van de reizigers. De computer is dus in staat de foto’s dichter bij de daadwerkelijke locatie te plaatsen. Volgens het team achter de software komt dit doordat PlaNet meer plaatsen heeft ‘bezocht’ dan zijn menselijke tegenstanders door het bekijken van de miljoenen foto’s.
