Google ha svelato in un articolo scientifico i risultati ottenuti dal progetto "PlaNet", un modello di intelligenza artificale progettato per il riconoscimento del luogo in cui delle fotografie casualmente scaricate da internet sono state scattate. Gli ingegneri Google Tobias Weyand e James Philbin hanno istruito una rete neurale -una particolare tipologia di intelligenza artificiale che simula i metodi di apprendimento umani- con 126 milioni di immagini geolocalizzate prelevate dal Web (esclusi diagrammi, clip-art e foto osé).

Gli attuali sistemi di riconoscimento della località fotografate si basano principalmente sul confronto 2D dell'immagine con altre foto geolocalizzate, sono specializzate in particolari tipologie di soggetti e, secondo gli autori dell'articolo, raggiungerebbero buoni risultati solo nel riconoscimento di paesaggi o località molto note. PlaNet segue invece un approccio più "umano": raccoglie e integra i piccoli indizi visivi che appaiono nella foto e li riconduce alle aree geografiche nelle quali più probabilmente potrebbero esser state scattate.

Nei test eseguiti, PlaNet riconosce senza problemi l'immagine della Tour Eiffel di Parigi, mentre è indeciso su una foto di un fiordo che potrebbe essere stata scattata in Norvegia o in Nuova Zelanda. Più problematiche le foto con pochi indizi e molto comuni, come una spiaggia, che potrebbe essere del Mediterraneo, del Messico o della California. Per verificare l'accuratezza del sistema sono state utilizzate 2,3 milioni di foto casuali di Flickr: nel 48% dei casi PlaNet ha indovinato il continente, nel 28,4% il paese, nel 10,1% la città e nel 3,6% addirittura la strada. A seguire alcune foto che sono state indovinate da PlaNet:

Non siamo ancora di fronte a risultati impeccabili, ma sembrerebbero essere migliori dei risultati ottenuti in precedenza dal altri sistemi simili e, secondo un primo testa a testa, alle capacità umane. Dieci umani hanno sfidato PlaNet nel gioco online "GeoGuessr" cercando di riconoscere dove sono state scattate 50 foto panoramiche differenti. Dei 50 round totali, PlaNet ne ha vinti 28, con un errore di localizzazione medio di 1.131 km contro i 2.320 della controparte umana.

Gli sviluppi futuri che riguardano il progetto cercheranno di estendere il sistema con un'architettura di rete neurale a memoria di breve-lungo termine (LSTM), che assicurerebbe risultati 50% più precisi. In questo caso il riconoscimento non viene più fatto in base ad una singola foto ma ad una galleria di immagini relative allo stesso contesto.