Il est facile de deviner à quel pays/ville une photo correspond si on y voit des monuments célèbres comme la Tour Eiffel ou le Big Ben. Toutefois, élucider ce genre de devinette rien qu’avec une image de rue ou d’arbre, c’est une autre paire de manche.
PlaNet lui, y parviendrait grâce à des indices tels que le style architectural, la faune, la flore, etc. L’algorithme compare ce qu’il « voit », avec les plus de 126 millions de photos que Google lui a fait enregistrer, chacune liée à un lieu. Bien sûr, ces données ne sont pas illimitées. Le système n’est pas infaillible.
Si vous prenez quelque-chose d’aussi banal que des frites en photo, il y a peu de chance que PlaNet s’en sorte. Dans une forêt par contre, là où la végétation locale s’est développée, le logiciel aura déjà plus d’éléments pour mieux localiser l’endroit.
PlaNet dispose d’un quadrillage sur une carte du monde. Dès qu’il localise un lieu, il montre à quel carreau sur ce plan, l’endroit correspond.
Les premiers tests du système démontrent que celui-ci est déjà bien plus doué que l’humain moyen pour localiser le lieu d’origine d’une photo. Ainsi, une fois le logiciel pleinement développé, on pourrait voir apparaître des applications qui devinent l’origine d’images sans même avoir besoin du GPS. Cette intelligence artificielle pourrait tout savoir de vos vacances sans que vous lui en « parliez ».
Si c’est pas génial ça ! Même plus besoin de géolocalisation pour se faire suivre à la trace.
🟣 Pour ne manquer aucune news sur le Journal du Geek, abonnez-vous sur Google Actualités. Et si vous nous adorez, on a une newsletter tous les matins.
Excellent aussi pour faire comprendre que la petite vie privée de grand papa c’est terminé !
Soit on s’isole (Corée du Nord, états religieux, etc ) soit on réfléchit avant de faire n’importe quoi. Rien n’interdit de na pas envoyer ses photos sur les clouds gratuits pour les photos justement !
PlaNet, D-Wave, Boston Dynamics, Android, Nest … Je suis le seul a être à la foi impressionné et inquiet de ce que devient Google ?
Le principal facteur limitant l’efficacité d’un réseau de neurones, c’est la qualité de son entrainement: la qualité/bruit dans les données (ici des photos) mais aussi la quantité mise à disposition. Et c’est là que la flopée de photos de Google et son StreetView peuvent faire la différence.