网络谜踪：雨天的阅读角，ChatGPT 地理识别一例

照片来自：corner for rainy day reads

一个引起强烈舒适的场景。看到 Reddit 讨论区中有问 "What city is this?" 随即调动 ChatGPT 询问一番。回答可谓优秀，对话复制如下：

🗣 [上图]
这是哪个城市？

这张照片拍摄的城市是费城（Philadelphia），位于美国宾夕法尼亚州。从窗外的建筑和景观可以看出，这是费城的一部分，特别是费城博物馆区附近的景象。

照片中可以看到费城市中心的建筑，尤其是那座带有金色十字架的圆顶建筑，这可能是费城的一个著名地标，如费城市政厅（Philadelphia City Hall）的尖顶。再加上窗外的雨景和街道布局，这些都表明这是费城的一部分景观。

🗣 带有金色十字架的圆顶建筑是？

照片中带有金色十字架的圆顶建筑是费城圣彼得圣保罗大教堂（Cathedral Basilica of Saints Peter and Paul）。这座教堂是费城天主教总教区的主教座堂，位于本杰明·富兰克林公园大道（Benjamin Franklin Parkway）上，是费城最著名的宗教建筑之一。其特色的铜绿色圆顶和金色十字架使其在城市天际线上非常显眼。

🗣 这张照片的拍摄者大概位于什么位置？哪栋建筑？

从照片中的视角和位置来看，拍摄者应该位于费城罗根广场（Logan Square）附近的一个高层建筑中。从照片中可以看到费城圣彼得圣保罗大教堂的圆顶及其周围的景象，这表明拍摄者的视角是从大教堂的东南方向拍摄的。

根据这一视角，拍摄者很可能位于以下两栋建筑中的一栋：

1. The Logan Philadelphia, Curio Collection by Hilton：这是罗根广场附近的一家高档酒店，位于大教堂的正对面。它的房间和露台提供了极佳的视野，可以俯瞰大教堂及其周围区域。

2. The Windsor Suites：这是一栋高层公寓楼，也位于大教堂附近，具有类似的视野。

综合来看，最有可能的是拍摄者位于 The Logan Philadelphia 酒店的一间房间中，因为从照片中的角度来看，它更符合这一位置的视角。

🗣 有没有可能位于 One Cathedral Square？（就在 ChatGPT 回答中的酒店旁边）

是的，很有可能拍摄者位于 One Cathedral Square。One Cathedral Square 是一栋新的高层住宅楼，位于费城圣彼得圣保罗大教堂的东南侧，提供了直接俯瞰大教堂及其周围景象的视野。从照片中的角度和高度来看，这种可能性是非常高的。

My first thought was soviet vibes. It’s the weather, architecture and what resembles an Orthodox Church.

I just glanced at this and was thinking Eastern Europe. Would not have guessed Philadelphia. That bed looks so comfy.

借这两条评论来说，如果单凭一些建筑知识和印象来粗略判断，就很难跟美国的城市关联上，所以这题 ChatGPT 还是见功力的。

除非找不到唯一性，这图拿到手第一原则肯定是识图，还不会直接上升到知识和逻辑判断的角度。

moreye 发表于 2024-7-22 19:27
除非找不到唯一性，这图拿到手第一原则肯定是识图，还不会直接上升到知识和逻辑判断的角度。 ...

看看照片的发布时间吧，非联网的 ChatGPT 所做的判断就是基于照片中可见的地标识别和已有的知识。

AI 识图早已不单是传统的特征提取匹配，现在数据和算力都不是问题，力大砖飞，导致所提取的抽象特征（本例中的圆顶 & 金色十字架 & 街道格局）鲁棒性（本例中窗户上雨珠即一种扰动参数）更强，由此结合自身知识储备进行泛化的能力也在提升，甚至有初阶逻辑推理（本例中的方位描述）。事实上，GPT 目前正在接近其绘制的 5 步走蓝图的第二阶段——推理 - Reasoners -高级的逻辑推理（人类专家水平）。

CloseAI 发表于 2024-7-23 09:10
看看照片的发布时间吧，非联网的 ChatGPT 所做的判断就是基于照片中可见的地标识别和已有的知识。

AI 识 ...

gpt只是号称不联网，并不是真不联网。
虽然很牛，但目前我觉得仍很一般，你把原图剔除圆顶和金十字架，你再让gpt通过街景和街道识别下图片看看能不能识别地址，但人是可以的。

moreye 发表于 2024-7-23 12:55
gpt只是号称不联网，并不是真不联网。
虽然很牛，但目前我觉得仍很一般，你把原图剔除圆顶和金十字架，你 ...

gpt 只是号称不联网，并不是真不联网。——何以见得？信源？

虽然很牛，但目前我觉得仍很一般，——这句有点废话文学的味道。

你把原图剔除圆顶和金十字架，你再让 gpt 通过街景和街道识别下图片看看能不能识别地址，但人是可以的。——我还知道 FBI 如果愿意，即便把教堂甚至窗外都马赛克了，人还能快速查询联系到拍照的人，从而获知地址呢。技术革新是来解放生产力的，朋友。

1、能不能连网你可以问问他自己，他会告诉你
2、牛是从你的角度说的，我觉得一般
3、第三部分是我感受不到他是通过逻辑判断找到的地址位置，如果就是圆顶+十字架感觉和识图没区别，所以我才会测试没有圆顶+十字架的部分，大概我用的是免费版，我这边上传同样的图GPT无法识别具体位置。

moreye 发表于 2024-7-23 14:20
1、能不能连网你可以问问他自己，他会告诉你
2、牛是从你的角度说的，我觉得一般
3、第三部分是我感受不到 ...

以 OpenAI 官方发布的信息来说：联网版本限 Plus 和 Enterprise 用户。至于现在是否已面向所有用户开放，我没看到相关信息。

牛或者一般都只是观点，不重要。真正有价值的是支持观点的论证，GPT 展示了我认为见功力的回答 ，但是没看到你有相关实质性论证，比如你的最佳实践、所需的时间成本。

回到本例，接上文对话的提问：你是通过联网获取的信息吗？

不是的，我没有通过联网获取信息。我的判断是基于对照片中可见地标的识别和已有的知识。

1. 视角和高度：照片显示了俯瞰费城圣彼得圣保罗大教堂的视角，这表明拍摄地点位于高层建筑的某一高度。

2. 附近建筑的地理知识：了解费城圣彼得圣保罗大教堂周围的建筑布局和高层建筑的位置，如 One Cathedral Square、The Logan Philadelphia 酒店和 The Windsor Suites。

3. 判断逻辑：通过对这些高层建筑的相对位置和高度进行推断，确定哪些建筑更有可能提供这种视角。

结合这些因素，得出拍摄者可能位于 One Cathedral Square 的结论。