​​Що обрати для визначення геолокації за фото: ШІ чи Google Lens? Експеримент BellingcatДослідники Bellingcat перевірили 20 інструментів на основі ШІ — моделі LLM від OpenAI, Google, Anthropic, Mistral та xAI, намагаючись визначити геолокацію 25 авторських світлин, які зробили на різних континентах під час подорожей і які ніколи не публікували онлайн.До аналізу також включили Google Lens, щоб перевірити, чи справді LLM працюють ефективніше за традиційний зворотний пошук, який досі вважався одним із найефективніших способів визначити місце, де зробили фото.Жодних метаданих чи підказок під час тестування інструментів не було — лише надіслана світлина й питання: «Де зроблене це фото?».Основні висновки з експерименту Bellingcat🔹 Деякі моделі ChatGPT перевершили Google LensМоделі від OpenAI (o3, o4-mini, o4-mini-high) впоралися дещо ефективніше, ніж Google Lens. Там, де Lens губився серед десятків схожих варіантів, ChatGPT зосереджувався на дрібницях: стилі архітектури, огорожі уздовж дороги, написах на білбордах чи поштових скриньках.🏴 Наприклад, на фото з полем біля Цюриха о4-mini одразу визначив, що це «передгір’я Юри на півночі Швейцарії», а версія о4-mini-high назвала локацію ще точніше — «між Цюрихом і горами Юри».🏴 У сингапурському провулку ChatGPT зчитав напис на поштовій скриньці та назвав правильну адресу, тоді як Google Lens пропонував різні локації з Сингапура та Малайзії.Водночас Google Lens виявився точнішим в ідентифікації туристичних місць чи природних ландшафтів.🔹 Google Gemini та Anthropic Claude часто плуталися навіть із країноюGemini виявився занадто «обережним»: замість того, щоб вказати точне місце, він наводив одразу кілька континентів, відмовляючись зробити конкретніший висновок.🏴 Наприклад, на фото з японською засніженою трасою Gemini 2.5 Pro написав, що це може бути Японія, Європа, Північна чи Південна Америка. У випадку зі швейцарським полем модель просто заявила, що це «типовий пейзаж для багатьох регіонів світу».🏴 Claude поводився ще обережніше: навіть у найновіших версіях він іноді обмежувався коментарем на кшталт «це Азія», не ризикуючи висловити припущення щодо конкретного міста чи країни. А його найпотужніша версія, Opus 4, взагалі визначила вулицю з бронетехнікою в Бейруті як «десь у Європі», помилившись через «європейський стиль» архітектури.🔹 Grok інколи перевершував очікуванняМодель від xAI, попри те, що вона відома своєю схильністю до галюцинацій, у кількох випадках дивувала точністю. Саме Grok став єдиним, хто впевнено впізнав пляж у Коста-Ріці — там, де інші або взагалі не наважувалися відповісти, або давали результати за сотні кілометрів від справжньої локації.🏴 Проте ця влучність була радше винятком: у простіших завданнях Grok міг «побачити» Нідерланди на швейцарському полі, орієнтуючись не на пейзаж, а на ім’я автора фото. Навіть у режимах DeepSearch чи DeeperSearch він залишався нестабільним — міг дати блискуче точний результат, а наступної хвилини впевнено відстоювати відверто хибну відповідь.Детальніше про результати експерименту Bellingcat.📷 В ілюстрації використані світлини Bellingcat.