Google: la geolocalizzazione avanzata di PlaNet grazie all’A.I.

Sono passati due anni da quando Google ha rilevato la società londinese DeepMind Technologies Ltd pagando 400 milioni di dollari.

Con essa, già nel 2014, ha sperimentato la Macchina Neurale Turing per simulare alcune proprietà della memoria nel cervello umano e ridefinire la natura di una rete neurale. Risultato: un computer che apprende ed immagazzina algoritmi ed informazioni come fossero ricordi e che, poi, è capace di recuperare per eseguire compiti per cui non è stato programmato. Qualcosa di più, insomma, del tradizionale robot ed anche della stessa A.I. (Artificial Intelligence) perché qui si tratta di super intelligenza artificiale e le macchine neurali turing di Google sono destinate ad imparare la visione di base, il processo del suono di base, il controllo del movimento di base e la capacità del linguaggio di base entro il 2020, come ha previsto uno dei direttori di DeepMind.

Google, con il progetto di macchina neurale turing, vuole ‘risolvere’ l’intelligenza. Diventare in un certo senso, Dio, ed ecco a voi, fresca di notizia, l’intelligenza artificiale che riconosce luoghi in foto senza alcun indizio, senza un monumento né una particolare caratteristica che la associ al ‘dove’ e, soprattutto, in totale assenza di informazioni di geolocalizzazione e senza GPS. Il software che consente questa geolocalizzazione avanzata si chiama PlaNet e sfrutta il ‘deep learning’, l’apprendimento di base studiato e sperimentato nella macchina neurale turing da almeno due anni, che simula la memoria ed i metodi di apprendimento umani.

Abbiamo detto simulano, ma pare che le prestazioni di PlaNet superino quelle di un comune mortale. Questo sistema di reti neurali chiamato PlaNet sviluppato da Google mette a fuoco dettagli sconosciuti (strade, particolari di paesaggi anonimi) e risale alla località impressa nella foto. E’ stato testato con oltre 2 milioni di immagini e, finora, ha azzeccato i luoghi ottenendo risultati diversi: ha indovinato la strada nel 3,6%, la città di provenienza nel 10,1%, la nazione nel 28,4%, il continente nel 48% dei casi.

Il sistema è in via di perfezionamento per arrivare a risultati via, via sempre più esatti. Come riesce PlaNet di Google a riconoscere un luogo senza particolari indizi e senza GPS? Raccoglie e rielabora piccoli indizi visivi dalla foto associandole alle aree geografiche dove potrebbero essere state scattate. Sfrutta i dati estratti dalle foto scomponendoli a livello di pixel e rapportando i vari tasselli del mosaico con la mole di immagini colossale indicizzata da BigG negli anni grazie al suo motore di ricerca. PlaNet lavora al centro di un puzzle.