ChatGPT è spaventosamente abile ad individuare dove ti trovi a partire da una fotografia

Negli ultimi giorni circola una nuova tendenza su social network e forum dedicati alla tecnologia: utilizzare ChatGPT per scoprire una posizione geografica a partire da una fotografia. I nuovi modelli di OpenAI, o3 e o4-mini, che come dichiarato dall'azienda sono capaci di "ragionare" analizzando un'immagine, hanno reso questa pratica sorprendentemente efficace.

La combinazione di varie capacità di analisi visiva (i nuovi modelli sono capaci infatti di manipolare le immagini per analizzarle in profondità, anche quando si tratta di fotografie sfocate o distorte) e della possibilità di effettuare ricerche sul web hanno di fatto reso ChatGPT un potente strumento di localizzazione geografica, con la capacità di individuare città, monumenti, ristoranti o bar partendo da dettagli apparentemente insignificanti.

Su X diversi utenti hanno condiviso diverse prove effettuate con i nuovi modelli di OpenAI, chiedendo di fatto a ChatGPT di trasformarsi in un giocatore di GeoGuessr. Al momento sembrerebbe il modello o3 quello più abile ad individuare città, monumenti e persino locali specifici a partire da dettagli minimi: un utente ha mostrato come sia stato possibile individuare con successo un locale di San Francisco semplicemente mostrando una foto del menu scritto sulla lavagnetta del locale, mentre un altro utente ha mostrato la capacità dell'IA di individuare una bibloteca da uno scatto che mostrava solamente alcuni libri. 

L’aspetto più sorprendente è che i modelli non fanno affidamento su “memorie” di conversazioni precedenti né sui dati EXIF delle immagini, ovvero quelle informazioni incorporate nei file che possono contenere i dati geografici di una fotografia. Il ragionamento avviene esclusivamente sulla base degli indizi visivi presenti nello scatto, proprio come farebbe un giocatore di GeoGuessr.

Al di là dei casi come quelli mostrati in questa pagina, vi sono state alcune situazioni in cui o3 si è bloccato in un loop senza essere capace di trovare una risposta soddisfacente oppure ha indicato luoghi completamente errati. In ogni caso la capacità di dedurre la posizione da una semplice foto è testimonianza di un notevole passo avanti rispetto ai modelli precedenti. Anche GPT-4o, pur non avendo le stesse capacità di ragionamento sulle immagini, è riuscito spesso a fornire risposte corrette, anche se è o3 ad aver mostrato in più situazioni la maggior velocità e accuratezza.

Si tratta di una capacità affascinante che apre nuovi scenari d'uso per gli appassionati di tecnologia: 'il poter “pensare con le immagini” è un'abilità rivoluzionaria per i modelli di intelligenza artificiale e questo caso specifico, e cioè la capacità di riconoscere un luogo a partire da una fotografia, dimostra nel concreto la possibilità di affrontare problemi complessi dove l'analisi di immagini, grafici, schemi e diagrammi è fondamentale per trovare spunti e soluzioni. Si tratta di un paradigma che apre nuove prospettive in settori come la formazione, la ricerca, la sicurezza e l’investigazione, dove la possibilità di analizzare e associare dati visivi può consentire una più rapida risoluzione di casi o dare nuova dimensione all’esperienza didattica.

OpenAI non ha ancora implementato misure di sicurezza specifiche per prevenire questo tipo di utilizzo, e nei report sulla sicurezza dei modelli o3 e o4-mini non viene fatta alcuna menzione dei rischi associati a questo uso. Ancora una volta, il passo dell'evoluzione dell’intelligenza artificiale, che talvolta mostra capacità non pienamente previste o prevedibili, è ben più svelto di quello necessario alla sua regolamentazione e controllo.