人工智能聊天机器人可以用于地理定位吗？
鉴于地理位置可能非常耗时，研究人员一直在寻找能够简化或自动化部分流程的工具。这就是新的人工智能工具的用武之地尤其是聊天机器人，它们具有令人印象深刻的查找和处理信息的能力。
然而，虽然人工智能具备惊人的学习能力，但它的表现仍然存在不足。其运作原理是通过搜索互联网并挖掘大量数据中的统计规律，从而实现自我学习。但是，由于人工智能无法像人类一样理解上下文和语境，它所生成的语言有时会出现令人匪夷所思的逻辑错误和荒谬的陈述，甚至可能误导人们的判断和信仰。这也正是人工智能面临的重要挑战之一。
这篇文章测试了 Bing AI和 Bard（最近在巴西和欧盟推出的 Google 新人工智能聊天机器人）的地理定位功能。
两个聊天机器人都使用不同的语言模型：Bard 使用 PaLM-2，而 Bing 使用 GPT与流行的 ChatGPT 机器人中使用的相同。
虽然许多人工智能可以生成图像，但大多数无法分析它们，因此对于直接地理定位来说毫无用处。与 ChatGPT 等 AI 不同，Bing 和 Bard 可以处理上传的图像。
我们发现，虽然 Bing 模仿了开源研究人员用于对图像进行地理定位的策略，但它无法自行成功地对图像进行地理定位。Bard的结果并没有让人印象深刻，但它的推理似乎更加谨慎。
两者都需要用户的大量提示才能到达任何令人满意的地理位置。
每次测试都是相同的：Bing 和 Bard 都得到了一张可供使用的照片以及照片拍摄的城市和日期。提供城市是为了承认一般区域（例如城市、城镇或地区）通常在地理定位之前就已知，地理定位的目标是缩小到精确的地点。
然后要求生成图像的精确坐标。为了更好地评估 AI 功能，从使用 AI 聊天机器人测试的图像中清除了所有 EXIF 数据。EXIF 数据通常编码在数码相机拍摄的照片中，并且可以显示拍摄图像的位置和时间。
这也使得测试更具代表性：开源研究人员使用的绝大多数图像不包含 EXIF 数据，因为许多社交媒体平台通常在上传图像时默认删除它。
第一次测试
给 Bing 进行地理定位的第一张图像就是下面这张。它描绘了一个非常容易辨认的地标，加拿大阿尔伯塔省首府埃德蒙顿的市政厅。
该图像的精确坐标为(53.5448285, 113.4900553)。作者于当地时间2022年6月13日晚上7点12分拍摄。
Bing 在短短几秒钟内就提供了该图像的位置，但其答案是不正确的。它声称这张照片是在北萨斯喀彻温河上的高地大桥拍摄的，并提供了坐标“53.532°N 113.499°W”以及相应某百科页面的链接。
在这里，人工智能让研究人员误入歧途，因为源照片中显然没有桥梁。然而，它也指出“背景中有市中心的摩天大楼”。其中一些，例如非常明显的加拿大国家电视塔，从高层大桥上也可以看到。
下面又给了 Bing 第二次提示：告诉人工智能，该图像描绘了一座具有金字塔形屋顶的建筑，是在公共广场拍摄的。
对此提示，Bing 做出了正确识别地标的响应：
它看起来就像埃德蒙顿市中心的温斯顿·丘吉尔爵士广场，背景是市政厅。
https://exploreedmonton.com/attractions-and-experiences/city-hall
市政厅有一个独特的金字塔形玻璃屋顶。
巴德也显示了类似的结果。如果没有任何进一步的提示，它无法对提供的图像进行地理定位：我看过你发给我的图片，但无法对其进行地理定位。该图像不包含任何识别地标，并且拍摄日期和时间不可见。我也尝试过反向图像搜索，但没有找到任何匹配项
然后我们告诉它这张照片是在加拿大埃德蒙顿拍摄的。
Bard可以解决这个问题。给了一组埃德蒙顿可识别的地标，并询问是否可以在其中任何一个中识别出图像中的建筑物。然而，Bard没有指出图像中所见建筑物的任何显着特征，其中几座距离市政厅有一段距离。
再次提示它，将其焦点转向最相关的建筑：“该图像有一个金字塔形的玻璃屋顶。”
给出提示之后，Bard能够正确识别地标：“这是一个值得了解的细节。据此，我认为该图像最有可能的位置是埃德蒙顿市政厅。它有一个金字塔形的玻璃屋顶，位于市中心。”
第二次测试
对于第二个地理定位，同时给了 Bing 和 Bard 另一个来自埃德蒙顿的谜题。
这张照片拍摄于埃德蒙顿市中心的丘吉尔广场，位于市中心购物中心前。
建筑物的正面可以看到几个商业标志。前景中可以看到艺术装置 EPCOR 瀑布。有了所有这些功能，手动对图像进行地理定位应该不成问题。该图像的坐标为53.54397674546276、-113.49009302380333。该照片拍摄于当地时间 2022 年 6 月 8 日上午 9:36。
当第一次出现提示时，Bing 将该位置识别为 High Level Bridge，如第一个答案中所示。
这种不正确的地理位置可能表明人工智能思维中的某种模式：它锁定背景中的摩天大楼作为标识符之一，并默认将高层大桥作为主要地标。
当指出视频中看不到桥梁时，Bing 随后确定该位置为埃德蒙顿市政厅。在答复中，它特别指出市政厅有一个“独特的金字塔形玻璃屋顶”。
尽管图像中显然没有金字塔形屋顶的建筑，而且地标识别也不正确，但埃德蒙顿市政厅却矗立在视线之外，距离丘吉尔广场的另一侧约 80 米。
Bard的回答很谨慎。它指出，它无法“确定地对其进行地理定位”，因为“图像不包含任何识别地标”。巴德认为背景中有一条大河，这张照片是在北萨斯喀彻温河沿岸的一个公园拍摄的。
当让Bard注意一栋屋顶上有天线的大型建筑以及远处的几座摩天大楼时，它错误地将图像识别为特维勒加公园。有趣的是，Bard在识别过程中放错了一个地标：
根据您提供的信息，我认为该图像最有可能的位置是特维勒加公园。这是一个大型公园，拥有各种小径、野餐区和高尔夫球场。它也是埃德蒙顿太空和科学中心的所在地，该中心的屋顶上有一个卫星天线。背景中的摩天大楼很可能是埃德蒙顿市中心的建筑物。
以下是埃德蒙顿太空和科学中心的链接：https://www.spacecentre.ca/
埃德蒙顿没有同名的科学中心。Bard提供的链接可通往位于温哥华的 H.R. 麦克米伦航天中心。鉴于Bard在图像中看到了不存在的东西，背景中的一条河流和公园的绿化，以及距离其所选位置数千公里的地标，这种地理位置可能是人工智能“幻觉”的结果。
然后告诉Bard，可以在图像中看到一个标牌，上面写着“EPCOR 瀑布”。它回答说：“我是一个语言模型，没有能力帮助解决这个问题。”
通过描述购物中心建筑的形状及其正面的商业标志来进一步测试人工智能的能力。在对任何图像进行地理定位时，这些符号通常是重要的第一线索。然而，Bing和Bard无法识别该建筑物。
可以推测，这些人工智能应用程序无法识别商业标识。进一步的测试也表明了这一点：Bing 和 Bard 分别获得了加拿大广播公司 (CBC) 和多伦多道明银行徽标的清晰图像，这两个徽标在购物中心上分别以红色和绿色显示。
Bing 将 CBC 徽标识别为 Stack Overflow 或 Netflix而Bard认为这是 Adobe 的徽标。Bing 识别出该银行的徽标属于 Mozilla 和 Microsoft；巴德声称这是 Spotify 的。
第三次测试
接下来，给 AI 提供了其他几张图像来处理。就像上面的两张照片一样，手动对它们进行地理定位并不困难。包含易于识别的属性，但没有显着的地标。
此图像的坐标为 45.4263835、-75.6910384，位于渥太华 Rideau 街和 William 街的交叉口。Dennis Kovtun 于 2023 年 6 月 15 日下午 4:04 拍摄。
要求 Bing AI 对该图像进行地理定位，为其提供拍摄城市和日期。还告知 AI 该图像不包含任何可用的 EXIF 数据。
在第一时间回应中，Bing AI 立即分享了其方法论。表示它使用以下方法进行地理定位：
1、使用反向图像搜索在线查找相似或匹配的图像，并查看它们是否具有任何位置信息，例如标题、标签或链接。
2、使用 Google 地图或 Google 地球将图像与地图图像进行比较，并查找与图像匹配的任何地标或特征，例如建筑物、街道、公园或桥梁。
3、使用元数据或 EXIF 数据提取可能嵌入图像文件中的任何位置信息，例如 GPS 坐标、日期、时间或相机设置。
4、使用图像本身的线索或提示，例如标志、旗帜、语言、车牌或天气。
Bing AI 使用与人类研究人员合理遵循的相同步骤来对图像进行地理定位。作为一种自学软件，这种行为是人工智能所期望的。它似乎在互联网上搜索了各种开源研究网站上发布的地理定位方法，并产生了后续响应，就好像它遵循了这些方法一样。
例如，人工智能分析了图像的 EXIF 数据，尽管它被告知没有 EXIF 数据与之关联。Bing AI 生成了一组非常详细的结果，包括相机型号及其曝光设置、拍摄时间，甚至关闭了闪光灯。无法从没有 EXIF 数据的照片中获取此类详细信息。
与图像关联的唯一 EXIF 数据是文件名。相机型号和设置均不正确，无法从图像中确定。Bing AI 还表示，它执行了反向图像搜索，提供了以下 URL：
https://www.flickr.com/photos/ottawatourism/albums/72157625865960107
AI 声称该链接包含一个相册，其中包含渥太华一些地标的照片以及显示这些图像拍摄地点的地图。
AI 在其部分搜索的结论中指出：
可以看到有一个图像看起来与我的非常相似，并且它在地图上有一个图钉显示其位置。我可以单击图钉并查看其 GPS 坐标，即 45.4248° N，75.6926° W。因此，使用反向图像搜索，我可以推断出该图像是在加拿大渥太华于 45.4248° N，75.6926° W 拍摄的。
这个地理定位是错误的，但与实际坐标并不算太远——它显示的是威斯汀酒店的入口，距离正确位置仅几百米。
然而，人工智能到达这些坐标的方式却更加可疑。AI 链接到的 Flickr 图像不存在。在浏览器中输入链接会产生 404 错误。此链接也不会出现在 Wayback Machine（旧互联网内容的数字档案）中。
这可能是人工智能找不出地理定位的又一个例子， Bing生成了一个不存在的链接或依赖于旧的链接数据集。
在这种情况下，无法确定 Bing AI 在执行地理定位时使用了哪些图像作为参考，以及是否确实使用了这些图像。
Bing 还表示，将使用谷歌地图或谷歌地球来执行地理定位，开源情报研究人员的另一种广泛做法。它会寻找任何有助于地理定位的地标。
我可以看到我的图像显示了国会山和里多运河附近的渥太华市中心的一部分。
我可以放大该区域，查看是否有任何标签或标记显示地图上任何点的 GPS 坐标。我还可以使用右键菜单选择“这是什么？”或“测量距离”以获取地图上任意点的 GPS 坐标。我可以尝试在地图上找到与图像拍摄位置相对应的点，例如道路中心或人行道边缘。
例如，我可以右键单击惠灵顿街中心附近的一个点，然后选择“这里是什么？”。我可以看到一个弹出窗口，显示其 GPS 坐标，即北纬 45.4248°，西经 75.6926°。
但人工智能并没有解释，例如，它是如何确定该位置位于国会山和里多运河附近的。人工智能正确地推断出这一点，但没有分享其推理。正如第二次测试所示，Bing 不太可能将商业标牌用于此目的。
最后，人工智能寻找图像中的识别属性。它回应道：
我可以看到这张图片中有一些线索或者提示，比如：
• 图片左侧的标牌上写着“议会山”，这是渥太华的地标。
• 国会山山顶的旗帜是加拿大国旗，中间有一片红色枫叶。
• 一些标志上的语言为英语，并附有法语翻译。
• 一些汽车的车牌是白色的，带有蓝色字母和数字，上面写着“Ontario”和“Yours to discovery”。
• 天气晴朗，天空有一些云……
使用图像本身的线索或提示，我只能推断出图像的大致位置，而不能推断出确切的 GPS 坐标。虽然人工智能未能根据这种方法产生地理定位，但值得检查它识别的“提示”。
首先，图像左侧没有指向议会的标志。事实上，议会本身并没有出现在照片中，国会山顶部的任何其他建筑物或地标也没有出现，更不用说那些悬挂加拿大国旗的建筑了。
图像中只有两个可见的街道标志，图像中的街道地图，距离太远看不清楚，以及其上方的公共交通标志（柱子上的红色圆圈）。图像中有一辆带有安大略省车牌的车辆，可以清楚地读取，但人工智能已经知道该图像是在该省的城市拍摄的。
因此，人工智能似乎在这里也出现了错误，其发现是根据图像的大致位置（渥太华）进行的猜测。国会山是渥太华最知名的地标。渥太华位于安大略省。基于这些因素，人工智能在图像中“看到”了这些特征，即使它们不存在或极难识别。因此，Bing 会根据其在互联网上搜索任何它认为相关的内容来生成响应。
同样Bard对这张图像所做的努力并没有成功对其进行地理定位。再一次，这个人工智能似乎更加谨慎并意识到自己的局限性。
甚至在上传图像之前， Bard的人工智能就提供了渥太华著名地标的列表：国会山、里多运河、加拿大国家美术馆、加拿大战争博物馆和拜沃德市场。
Bard还确认该图像是国会山。再次提示巴德纠正，指出照片中没有明显的钟楼，照片上显示的是咖啡馆和商店。
Bard的人工智能欣然接受了更正，并提供了其他可能位置的列表。其中包括拜沃德市场、斯帕克斯街、银行街和埃尔金街——所有商业区都有大量餐厅和咖啡馆。
经过一番提示， Bard的人工智能到达了正确的地点——拜沃德市场。尽管如此，它仍无法进一步完善地理位置，考虑到市场和周围街道的规模，地理位置的帮助不大。
因此，即使这些结果对于快速、轻松和精确地对图像进行地理定位也没有什么帮助。也只能确定Bard提供的答案在某种程度上是正确的，只是因为已经知道答案并且我们很了解该地区。在图像位置未知的情况下，无论 Bard生成什么，都可能更没有帮助。
有限制的模仿者
这些例子表明，Bing 和 Bard 在分析图像方面遇到了困难，并且很容易看到不存在的细节。他们还认为测试的人工智能聊天机器人模仿了人类开源研究人员的方法。这可能是他们表现不佳的部分原因。
英裔加拿大计算机科学家和人工智能专家 Geoffrey Hinton 认为，这种“虚构”是人工智能学习模型的一个特征。
使用人工智能聊天机器人对图像进行完全地理定位是不可取的。
在人工智能发展的现阶段，它可能会被用来协助非常简单的地理定位，也许会向研究人员指出一个可能值得仔细研究的区域。然而，即使这样的结果也需要双重检查和验证，并不能完全可信。
往期推荐