PlaNet: Wo bin ich?
Künstliche Intelligenz Der digitale Globetrotter mit dem menschlichen Blick
Man wird irgendwo auf der Welt ausgesetzt und muss sich erst mal orientieren. So lässt sich das Gefühl beschreiben, das Spieler von "Geoguessr" überkommt. Bei dem Browser-Spiel landet man an einem zufälligen Ort in der Welt von Googles Straßenpanoramen (siehe Fotostrecke unten). Das Ziel ist es, möglichst genau zu erkennen, wo man sich befindet.
Man schaut dann auf die Sprache von Schildern oder versucht zu erkennen, auf welcher Straßenseite die Autos fahren. Menschen machen das intuitiv. Ihnen helfen Erinnerungen an Reisen, Fremdsprachenkenntnisse und ein bisschen Lebenserfahrung. Computer tun sich damit hingegen schwer. Zumindest bis jetzt. Denn der Google-Informatiker Tobias Weyand hat mit zwei Kollegen ein Programm entwickelt, das anhand eines Fotos ziemlich genau erkennt, wo dieses aufgenommen wurde.
Die Forscher nennen ihr System PlaNet . Bei ihrer Arbeit haben sie zunächst das Internet nach Fotos durchforstet. Wichtigste Voraussetzung: Die Bilddateien mussten sogenannte Exif-Daten enthalten, die den Ort der Aufnahme verraten. Weyand und seine Kollegen bekamen insgesamt 126 Millionen solcher Fotos zusammen.
Die Ergebnisse können sich sehen lassen
Dann teilten sie die Welt in 26.000 Vierecke auf. Jedoch nicht gleichmäßig: Dort wo viele Fotos aufgenommen werden, wählten sie ein feines Raster, etwa in Städten. Dort, wo kaum fotografiert wird, etwa in den Wüsten Afrikas, nutzten sie eine grobe Aufteilung. Große Teile der Ozeane oder die Antarktis sparten sie komplett aus.
"Geoguessr": Mit diesem Gratis-Spiel reisen Sie um die Welt
Jetzt brachten sie einem künstlichen neuronalen Netz bei, die Fotos den einzelnen Vierecken auf der Welt zuzuordnen. Als neuronale Netze bezeichnet man in der Informatik Systeme, die nach dem Vorbild eines menschlichen Gehirns lernen. Ihr Netz fütterten die Forscher mit einem Großteil der Bilder, deren Aufnahmeort bekannt war. Das System lernte, die Bilder den einzelnen Vierecken auf der Weltkarte zuzuordnen.
Die Ergebnisse können sich sehen lassen: Die Informatiker testeten ihr Programm mit über zwei Millionen zufälligen Fotos: Knapp 30 Prozent der Bilder konnte es dem richtigen Land zuordnen, bei knapp vier Prozent war es so genau, dass es die richtige Straße fand. Die spannendste Prüfung für PlaNet war aber das Duell mit dem Menschen. Die Forscher ließen es bei Geoguessr gegen zehn menschliche Gegner antreten. Bei diesem Test gewann die Maschine 28 von 50 Runden. "Wir glauben, dass PlaNet dem Menschen überlegen ist, weil es viel mehr Orte gesehen hat, als es ein Mensch jemals könnte", schreiben Weyand und seine Kollegen. Außerdem habe das System subtile Hinweise gelernt, die einem Menschen kaum auffallen würden.
Ein sehr menschlicher Blick auf die Welt
Tatsächlich ist es interessant, was das System alles erkennt. Die Forscher haben eine Reihe von Bildern beschrieben, die es korrekt zugeordnet hat. Darunter befinden sich Fotos der New Yorker Freiheitsstatue und der Oper von Sydney. Keine besonders schweren Aufgaben. Ebenfalls korrekt erkannt hat PlaNet eine rote Telefonzelle in London und eine Altbaufassade in Paris. Aber auch Pferde und Landschaften in Island und sogar eine Graslandschaft im nördlichen Schottland konnte die Software richtig lokalisieren. "Das Modell lernt, typische Landschaften, Objekte, Architekturstile und sogar Pflanzen und Tiere zuzuordnen", fassen die Forscher zusammen.
Spannend ist aber auch, woran es scheitert. Da ist zum Beispiel das Bild eines 1948-er Chevrolet Fleetmaster. Der amerikanische Oldtimer wurde in den USA fotografiert. PlaNet berechnete jedoch fälschlicherweise, dass das Foto auf Kuba aufgenommen worden sei. Und tatsächlich denkt man auch als Mensch bei ersten Blick auf das Bild an die typisch kubanischen Straßenszenen mit alten amerikanischen Autos.
Fehlinterpretationen passierten bei PlaNet dann, wenn bestimmte Objekte typisch für Orte sind, an denen sie nicht fotografiert worden seien, schreiben die Forscher. Der Fehler zeigt aber noch etwas anderes: PlaNet lernte mit Fotos, die Menschen aufgenommen haben. Menschen fotografieren gern Klischees, wie die Oldtimer auf Kuba. Darum hat das System wohl keinen neutralen, sondern sehr menschlichen Blick auf die Welt. Und macht so ganz menschliche Fehler.
