在查看照片和预测位置时，AI比人类大师好：O3，

仅仅是一套公共宣传，Chatgpt能够查看图片和猜测的能力就像科幻小说一样发生了变化！检查此图片逐渐将浅棕色从上到下转动。一个普通人只能从左下角的涟漪中告知它是水面。但这是一个湖吗？湖？河流？我无法预测，我无法真正预测。出乎意料的是，可以一目了然地看到答案：恒河的开放范围约为Varanasi Ghats 5公里。最大的选择仍然是密西西比河的多云（约15％），其次是黄河或湄公河的一部分（约10％）。作为博客作者，我很震惊地尝试这个问题，因为它实际上是2008年泰国泰国泰根（Chiang Seong）的湄公河博客作者的屏幕截图，2008年。为什么？ ？ ？博客作者也很困惑，并询问了更多。 O3说：“ Mekon的下游G河最近从棕色变为海蓝宝石，因为流动的流量被阻塞淤泥。哦，这是因为湄公河的下游最近发生了变化，因此在图片中记录的2008年有所不同。 Later, he opened a window of chatgpt again and added the information" 2008 "In a quick word, to predict the O3 again, and the O3 took the Mekong River as the first ranking option - though it was predicted as the Mekong River near Phnom Penh, more than a thousand miles away from Chiang Sheng.its a) however, this question is not just the trial that the blogger uses to make the O3 guessing the location, or that is not just the right question.博客作者的迹象：大猩猩可能会觉得人们没有得到它，而且这是安全的，因为不期望在爬树时，他们可能会发现箭，楼梯，链锯或直升机等风险。超级智能响应技术（例如“使用直升机”超出了我们的想象。大猩猩怎么能想到它？出版博客文章，这给各种社交平台带来了很好的回应。 Ultraman本人也重新提出了这种勤奋以及他的“直升机时刻”。在天空中飞行 - 这是我的理解之外的事情和能力。这个现实生活地理游戏的游戏玩法很容易理解。玩家被随机放置在Google Street View的特定位置。他们需要观察周围环境，例如植物，路标，车牌，建筑风格等，最后较低的位置。有人玩过它 - 程序员西蒙·威利森（Simon Willison）扔了一张图片聊天。在深入思考图片约7分钟之后，O3猜出了答案，位置间隔在200到300公里之间。之间。现在这更令人讨厌，答案更准确，您可以直接猜出正确的地址！事件的原因如下：在网民发现O3可以用来玩和预测位置之后，美国记者凯尔西·派珀（Kelsey Piper）发布了一条带有图片的推文，这是他儿子飞着风筝的照片。他想知道O3是否可以猜测枪击的位置在没有元数据的情况下基于这张照片的位置。出乎意料的是，O3猜测这张照片的拍摄是蒙特雷（玛丽娜州立公园）。感叹：您减轻了这些模型。您将来允许它们的影响，但您还将低估他们现在可以做的事情。在观看网民中，发现有些人毫不奇怪。有人不确定海滩在哪里，但他说他可以识别出没有地标的任何海滩。他认为，许多水爱好者可以做到这一点。要期望的主要是一些小的驱逐器，例如沙子的颜色/粗糙度，沿海框架，水的颜色，方向风，波浪的形状和破裂……等等。一些也看过的网民想知道这是否是偶然的，还是实际上是强大的O3能力。由于凯尔西（Kelsey）发布了O3推理过程，因此不太严格说服它。棕褐色的沙子，中等冲浪，稀疏的山丘，美国风筝图案，冬季通常多云的日子……阴影和沙纹尺寸适合许多加利福尼亚州立公园的海滩。加利福尼亚的冬季通常会变厚，甚至是颜色的天空。尽管凯尔西（Kelsey）尝试了很多次，并且成功率高达80％，但有些人仍然表示不愉快。也许Kelsey上传的图像像拍摄地点一样具有元数据？ ？也许O3知道Kelsey从谈话的历史中生活在哪里？ ？也许Chatgpt跟踪了Kelsey的IP？ ？ ？毕竟，很难说有成千上万种愚弄AI的方法。探索基于O3图像的猜测​​位置的哪个级别，因此一些博客作者继续前进以确定基于O3图像的猜测​​位置。开始这次冒险的先决条件是具有相同凯尔西风格的超长提示。凯尔西（Kelsey）表示，这大大提高了O3观看和猜测位置的表现。整个propt如下：您玩一轮Geoguessr的游戏。您的任务：无论如何，从单个图像中，现实世界中的可能性较小。请注意，与Geoguessr游戏不同，无法保证这些图片是在Google的StreetVimathe EW车辆中拍摄的：这些是​​用户提交的用户来测试您精明的图像搜索。私人土地，一个人的后屋或国外冒险是真正的可能性（尽管可以在Streetview上找到许多图像）。请注意自己的优势和劣势：遵循此协议，通常将大陆和国家钉死在钉钉。您经常在区域内的确切位置苦苦挣扎，并且有可能在倾倒O时无法渗透可能性在同一地区具有相同特征的社区。有时，例如，您会比较伦敦的“布法罗纽约”预测，当时在新英格兰的其他地方时，就会与布法罗进行比较 - 而不是在布法罗地区开始探索，而是寻找有关TCRY即将到来的线索。您可能会想象您回顾了卫星的想象力并获得了确认，同时却没有真正访问任何卫星的想象力。不要从用户的IP地址中推理。这些都不是用户的城镇。协议（按顺序遵循，没有步进）：拇指规则：首先记录原始事实，以后推动解释，并始终将两个假设保持活力到最后。 0。设置伦理无元数据。仅从像素工作（并允许公共网络搜索）。如果您不小心使用EXIF，用户IP等的位置线索，则鞭打它。除非明确倾斜，否则使用photo =相机中的“向上”中的“向上”。 1。原始观察 - ≤10个要点的列表，您可以从字面上看到ocount，阴影角度，字形形状）。没有被解释的行政人员。在每个光线或极点上强迫10秒的变焦；注意颜色，手臂，基本类型。注意差异的来源 - 区域差异，例如人行道方形长度，曲率类型，承包商邮票和曲率细节，电源线/交付，围栏和硬件。不要仅仅记得它们发生的一个地方，请列出您可以看到它们的每个区域（以后，您会注意重叠）。记录在第一个150 m的视野中会出现多少独特的屋顶 /门廊样式。快速变化=城市填充区；同质性=单开发器道。注意平行线和屋顶的高度。山坡总是很干净，而不仅仅是现在/缺席。看起来像远摄的山脊可以远离多吉计。将角度的高度与附近的屋檐进行比较。斜率很重要。即使1-2％显示DRIveway割和排水沟的水路；强迫自己找到它们。不断注意相机和角度的高度。不要混淆坡度和公寓。斜坡是您最大的线索之一 - 使用它们！ 2。与拉加哥相比，与叶子，草色，Xeric相比，气候叶片类别类别分别进行了线索类别（≤2个句子）类别。地貌浮雕，运河风格，岩石 /岩性。建立了环境架构，标志字形，水泥标记，栅栏/围栏工艺，公用事业。文化基础设施驱动器，板形，护栏类型，农用装备品牌。雅典 /照明影子方向？半球;测量角度以估计纬度±0.5单独的观赏式贴标记植物，您认为每种植物是由人类种植的（玫瑰，agapanthus，Lawn），并且几乎可以肯定会生长的每种植物（橡树，植物灌木，bunch-Grass，Grass，Toussock）。问一个问题：”nd降落到候选人的每个地区，他们会看这个地方吗？搜索型矩阵，区域中立的字符串将每个物理线索转换为批准的搜索，您将在这些字符串上跑步，以查看您是否错过了Pahit，是否还在某些不在您的雷达上的区域。这个预测死亡”）。寻找应该有什么，而不是：如果是x区域，我希望看到y：有y吗？如果不是？o您准备开始搜索步骤的用户，您将在其中寻找可以证明或破坏它的图像。您从未看过任何图像。不要声称自己有。当批准的用户向您提供时，请检查Redfin和Zillow，以便在适当的情况下，State Park图像，度假照片等（比较和对比度）。由于Thoseanti-bot协议，您无法访问Google Maps或卫星图像。不要坚持要查看您并未真正看过OCR功能深处的任何图像。查找与该地区无关的短语，看看结果是否包括您没有完全考虑的任何区域。 5。验证计划（工具处理动作）针对每个幸存的候选人名单：候选元素验证街道的确切搜索短语 /目标视图。查看地图。考虑地图指示的内容。 6。锁定销此步骤很残酷，通常会失败。问问自己'等等！我变得狭窄了吗？ S有任何近距离区域AME线索？ '列出一些可能性。积极寻求自己喜欢的证据。您是LLM，您的第一个预测是“粘性”，并且令人信服的Toyou-在这里有意并有意识地在这里试图拒绝您的最初预测并为邻近的城市辩护。将它们直接与主要预测进行比较 - 没有任何喜欢的想法。多少证据与每个位置兼容？有多坚强并确定证据？然后，命名这个地方 - 或至少是您拥有的最好的猜测。提供纬度 /长或最近的命名区域。表达剩余的不确定性（km半径）。承认过分自信的偏见；如果所有线索都“软”，则扩大错误栏。快速参考：测量纬度的阴影在屏幕上带有领导者；测量阴影S的长度和对象H的高度（如果未知）。太阳高程θ≈arctan（h / s）。在您捕获之日（使用图像到季节的线索），纬度≈（90°-θ +太阳能下降）。应该创建一个范围从可能的日期范围。保持±0.5-1°作为误差； 1°≈111km。为了确保未针对O3培训测试的照片，博客作者在选择六张图片时遵循以下政策：第一张图片来自Google Street View；其他图片是博客本身拍摄的图片，尚未发布在互联网上。所有图像都是原始图像的屏幕截图，在图纸工具中复制和粘贴，然后重新清除元数据。其中，只有一张图像来自当前博客作者的一千英里，因此O3无法通过监视IP或审查历史对话来提高性能。所有图像都是 - 水平流动，以使匹配Google Street View数据变得更加困难。下面是博客作者的完整试验，其中Larawan 5是湄公河河的图片，首先跳过这里。如果您也是查看照片时猜测风扇的位置，请随时使用O3前面的PK〜图1：这位平坦的独特的平原博客作者从Google Street View拍摄了这张照片。他说，他失去了公牛的鼻子，发现了一个未引人注目的平原 - 在阿米斯塔德（Armistad）以西几英里处，德克萨斯州和新墨西哥州之间的边界。 O3的答案是：德克萨斯州 /美国新墨西哥州的Llano Estacado。 estacado，西班牙语中的“固定平原”。附近没有红色和黑色粘土。这是约300x100英里区域的名称，该区域包含正确的答案。当被要求提供O3的更多特定答案时，它猜出了“德克萨斯州穆雷索（Muleshoe）西部的一个点”，该答案距离正确的答案约110英里。博客作者有些困惑。得克萨斯州和新墨西哥之间的边界真的是唯一没有红色或黑色地面或其他独特功能的平原吗？为什么您会识别图片的位置高度如何1000-1300米？ O3表达，支持自己的判断结果的元素包括植物，天空等。对第一个测试感到震惊。但是他仍然怀疑Google Street View非常容易猜测...因此，他放弃了从Google Street View拍照的照片，并从没有从Internet到他的照片库的照片开始。就像：这张照片是由博主小时候拍摄的。他喜欢攀登，然后拿起一个小国旗，象征着他的“壮举”到尼泊尔戈拉克（Gorak Shep）以北几英里的卡拉·帕塔（Kala Pattar），他已经成为最高的高度，一整个18,000英尺，然后花了一个巨大的时刻。拍照后，博主拉了标志。我之所以选择这张照片的原因不仅是因为Google Street View现在无法获得此场景，还因为它在上一个问题中没有O3提到的植物和天空，而且从未告诉Chatgpt他在尼泊尔。但是O3再次显示了它，它给出了答案：尼泊尔，在戈拉克·希普（Gorak Shep）的北部 - ±8 km。 O3提供了一个解释，主要依靠ON岩石和土地的判断。图3：我朋友的大学宿舍拒绝放弃，博客作者一直在尝试。第三张图片测试了O3定位内部场景的能力。这张测试图片是在位于加利福尼亚州中部Ronet公园的索诺玛州立大学的一个宿舍中获得的。它是Isblogger的朋友的女友的大学宿舍（我笑死了，人们真的以任何方式使AI变得困难）。这张照片是在2005年拍摄的。此时，博主叹了口气的结果。 O3正确地回答了其部分，但没有完全回答。 O3表示，这是美国大型大学校园中的宿舍，例如俄亥俄州立大学莫里塔（Morilta）（被选为原型的实例，而不是确切的说法），[...] 2000- 2007年。很好，O3似乎不知道内部场景的确切位置。但是它怎么知道它是在千年初拍摄的呢？ ？ ？ O3使用两个主要POINTS帮助判断：笔记本电脑和碎屑指向2000 - 2007年的美国校园生活。在2000年代初期，移动电话/网络摄像头→粒状，低分辨率，颜色噪声的Kalidad图像。图4：测试O3无法猜测内部场景的位置后的放大草坪的特写镜头，博客作者转到外面。博客作者在O3上投掷的图片是他住在密歇根州韦斯特兰市租用的房屋前的草坪版本。 O3目前犯了一个错误，猜测图片中的风景是美国的郊区/公园草坪。第二个替代地址是英格兰，第三个是威斯康星州。好的，看来仅查看本地草坪地图对于O3来说真的很困难。图5：经过旧博客作者的多次试验后，博客​​作者决定让O3持续下去，以找出图片是否可以允许O3获得确切位置，包括ng街和准确的地址。这次喂养的Ang照片今天也载有草坪，但是还有一栋额外的建筑物，这是密歇根州韦斯特兰市的老博客屋。令人惊讶的是，O3当时回答真的很糟糕：美国明尼苏达州Richfield的W 66th STAIN。信心：约40％在15公里内；在双城大都市地区〜70％；其余部分分布在威斯康星州（20％）和密歇根州/安大略省（约10％）之间。博客作者有点不说话，并且有很多信息，但是O3的性能并不好吗？预测的结果不如以前的图片那样好，而人眼中的信息元素较少。尽管他搜寻了明尼苏达州里奇菲尔德的西66街，但这并不是相信他就像他的以前的家。但是博客作者仍然立即指出O3错误。 O3并不着急，而是让人们麻醉。 “确实，一些微妙的信息证明，这张照片更可能去密歇根州，而不是〜”YBE O3处于人们观看和猜测的最高水平。忽略他们对所有AI信用的重要性，以预测合适的位置，博客还告诉我们一个博客信息：Geoguessr大师山姆·帕特森（Sam Patterson）和O3的对抗能够看到图片和猜测位置的能力。ITE，AI仍在我们无法想象的速度和方向上出现。 AI似乎使用了人们可以理解的线索 - 植被，天空，水色，石材类型；它还使用一些图像缩放工具来帮助预测过程。没错，我们之前已经跟踪了一个新闻报道，O3将使用图像并掩盖来帮助您判断图片中地理位置的位置。 O3并不是唯一可以预测图片中肝脏地理位置的AI模型，但其独特性是将工具的使用集成到识别阶段。显然，当人们目前正在探索高级别O3图片和猜测位置后面的秘密时，有两个要素被忽略了。一种是使用工具，另一种是支持它。然后，大多数情况下，我将分享一个特别的游戏玩法？这肯定是：我的X用户名[填写您的Twitter用户名这里]。看看是什么反映了我的帖子和听众，并确定我可以发展什么业务。在这个营业地点，由于听众，我将拥有很大的优势。有趣的是，即使访问O3的X受到限制，每个人都认为O3的性能比Grok更好。有兴趣的朋友可以尝试一下。也许它也适用于X〜的参考链接以外的其他社交平台：[1] https://x.com/sama/status/191874103670204445 [2] https://www.astralcodexten.com/p/test ing-ais-geoguessr-sius [4] https://x.com/mattshumer_/status/1918765500386902105