4 पॉइंट द्वारा GN⁺ 2025-04-19 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • o3 तस्वीर को zoom, crop और अधिक bright बनाकर "यह तस्वीर कहाँ ली गई थी" का सटीक अनुमान लगा लेता है

अब बाहर ली गई तस्वीरें public करने पर सोचना होगा कि "कोई भी stalker महीने के 20,000 won में मुझे ढूंढ सकता है". यह सिर्फ skilled लोगों के लिए ही संभव नहीं रहा

  • GeoGuessr जैसी चीज़ें (जहाँ उपयोगकर्ता तस्वीर अपलोड करता है और जगह पहचानने वाला web game service) अब आसानी से हल की जा सकती हैं
  • पहले सिर्फ experts ही तस्वीर की लोकेशन ट्रैक कर सकते थे, लेकिन अब ऐसे tools आ गए हैं जिन तक कोई भी आसानी से पहुंच सकता है (ChatGPT, Google Lens). threat model को अपडेट करने की ज़रूरत है.

1 टिप्पणियां

 
GN⁺ 2025-04-19
Hacker News राय
  • 11 ऐसी इमेज दी गई थीं जिनका metadata हटा दिया गया था। अमेरिका के उत्तर-पूर्व के एक छोटे कॉलेज टाउन में ली गई दो तस्वीरों की गलत पहचान की, लेकिन कोरिया में ली गई दो तस्वीरों को सही पहचाना। अमेरिका के भीतर बाकी सभी सवालों के जवाब सही थे। यह परफेक्ट नहीं है, लेकिन इसकी क्षमता देखकर हैरानी हुई

    • मल्टीमॉडल LLM शायद GeoGuesser में अच्छा कर सकते हैं। लेकिन यह कहने के लिए कि गेम "solve" हो गया है, सिर्फ कुछ उदाहरण काफी नहीं हैं। यह भी जिज्ञासा है कि कहीं data leakage तो नहीं हुआ
    • मेरा मतलब यह नहीं है कि यह उपलब्धि प्रभावशाली नहीं है, बल्कि यह कि यह शीर्षक में किए गए दावे को साबित नहीं करती
    • बहुत संभव है कि इसे ढेर सारी तस्वीरों और location data पर train किया गया हो, और इसमें features को अलग-अलग पहचानने की क्षमता हो। जब इसे निर्देशों की व्याख्या करने और अनुमान लगाने की क्षमता के साथ जोड़ा जाए, तो गेम के लिए यह काफी है
  • ChatGPT o4-mini-high से अलग-अलग कठिनाई वाली 4 तस्वीरों की location पता लगाने को कहा। सब गलत थे, लेकिन अनुमान खराब नहीं थे। तस्वीर के हिस्सों को crop करके और करीब से देखने की प्रक्रिया दिलचस्प थी

    • इसी prompt और तस्वीरों के साथ Gemini 2.5 Pro भी आज़माया, लेकिन वह भी सब में गलत निकला। लगा था कि Google के maps और Street View data से बेहतर नतीजे मिलेंगे, लेकिन ऐसा नहीं हुआ
  • "solve" होने की भी अलग-अलग डिग्री होती हैं। किसी सामान्य क्षेत्र की पहचान कर लेना अच्छा है, लेकिन जब तक यह Rainbolt जैसी सटीकता के साथ लगातार जीत न सके, मैं इसे "solved problem" नहीं कहूंगा। अभी पूरी तरह random सड़कों पर तुलना नहीं है, ज़्यादातर लोकप्रिय जगहें ही हैं

    • हज़ारों बार खींची गई किसी खास चीज़ को चुनना और किसी random ग्रामीण दृश्य को देखकर उसकी सारी अनोखी विशेषताएँ ढूंढना, ये दो अलग समस्याएँ हैं
  • जिज्ञासा है कि नई AI पीढ़ी "Geoguesser Meta Iceberg" का कितना हिस्सा कवर करती है

  • मैं हमेशा कहता आया हूँ कि महिलाओं से मिली अश्लील तस्वीरें संभालकर रखो। कैमरा सेंसर के खास noise से पता चल सकता है कि कोई दूसरी तस्वीर उसी कैमरे से ली गई थी या नहीं। बस इसे करने वाला एक search engine चाहिए। AI की वजह से लगता है कि 2-3 साल में लोग अश्लील तस्वीरें AI में upload करके उस व्यक्ति की social media profile हासिल कर सकेंगे

  • Alki Beach वाला उदाहरण बिल्कुल पागलपन है। एक तरफ, मैं उस दिन का इंतज़ार नहीं कर सकता जब हज़ारों तस्वीरों पर अपने-आप semantic और geographic tags लगेंगे। दूसरी तरफ, privacy खत्म हो जाएगी। इसे ऐतिहासिक या पुरानी तस्वीरों पर लागू करना भी दिलचस्प होगा

  • जिज्ञासा है कि क्या हर उदाहरण में उपयोगकर्ता की location का परोक्ष रूप से इस्तेमाल किया जा सकता है। इमेज metadata से नहीं, बल्कि request के source IP जैसी चीज़ों से। अगर मैं ChatGPT से weather forecast पूछूँ, तो उसे मेरी location की कुछ जानकारी मिलती है

    • यह भी दिलचस्प होगा अगर कोई दूसरे देश से आकर इसे reproduce करे
  • जैसा कि लेख में कहा गया है, तस्वीर कहाँ पोस्ट की गई थी यह पहचान सकने वाला threat model अब "पेशेवर और कुशल व्यक्ति" से बदलकर "20 डॉलर वाला कोई भी व्यक्ति" होना चाहिए

    • यही वजह है कि यह बदलाव महत्वपूर्ण है। हम ऑनलाइन तस्वीरें पोस्ट करने के इतने आदी हो गए हैं। लंबे समय में यह अच्छा विचार है या नहीं, इस पर भरोसा नहीं है
  • प्रभावशाली है, और इसने लगभग मेरे शहर के चर्च को सही पहचान लिया था। लेकिन पड़ोसी शहर पर निष्कर्ष निकालना इसकी समझ की कमी दिखाता है। क्योंकि उस location के बारे में इसका निष्कर्ष ऐसे signboard को "पढ़ने" से आया जो किसी दूसरे शहर की ओर इशारा कर रहा था। फिर भी यह प्रभावशाली है, और इसमें वास्तुकला के विवरण, घड़ी के Roman numerals आदि विषयों पर कई सटीक अवलोकन थे