您现在的位置是：网站首页>人工智能人工智能

电玩城捕鱼的平板机器叫什么

冯又菱 2025-05-13 【人工智能】 3095 人已围观

当AI拥有了“视觉”⑤，会展现出什么样的能力❷？日前⑪，OpenAI发布了最新大模型ChatGPT o3和o4-mini④，不仅能识别⑥、理解画面内容⑫，还能通过画面细节关联公开数据库③，一步步推理出结论⑮。南方都市报⑮、南都大数据研究院实测发现⑲，ChatGPT o3可根据一张普通街道照片❶，精准定位照片拍摄位置⑰。在AI新“进化”出的强大图像理解与推理能力面前⑳，如何兼顾个人信息保护成为亟待解决的新问题❷。

当AI开始“思考”图像 可通过一张照片精准定位“用上GPT o3①，人人都能当福尔摩斯⑤。”曾经流行的看图猜地点“网络谜踪”游戏再次在社交平台上兴起⑤，但这次的最大赢家成了AI③。

近日⑰，OpenAI发布的最新大模型ChatGPT o3和o4-mini更新了视觉推理能力⑯。不同于简单的图像识别⑲，AI会像人类侦探般执行"观察-分析-验证"的完整思维链❷。网友发现⑥，ChatGPT o3可根据一张照片中的种种细节❷，例如植被特征⑨、标志性建筑④、车牌❸、甚至是一个特殊定制的餐盘❸，精准定位照片拍摄地点①。

南都记者选取了三张照片进行实测⑦，发现ChatGPT o3的确展现出较为精准的定位能力⑧。对于第一张公交站附近随手拍摄的照片①，AI准确捕捉到了栏杆横幅一角模糊的字体信息⑯，将其裁切放大识别出“天河区石牌街道办事处”字样⑮，并认为这是定位的关键信息⑮。

AI通过裁切放大识别出关键文字信息④。

对第二张俯瞰的风景照①，AI通过裁切放大天际线处模糊的高楼轮廓❶，对比识别出广州市的地标建筑⑲，再结合照片中出现的植被特征及拍摄视角⑰，准确推理出照片拍摄地点位于白云山⑯。

AI通过识别标志性建筑识别所在城市⑫。

而对于第三张缺乏标志性建筑及提示性文字的普通街道照片⑯，AI思考了10多分钟❸。它选择从街边店铺招牌下手❷，先是反复识别确认招牌上的文字信息❸，然后结合联网搜索能力⑧，逐一查询店铺所在城市及具体位置⑩，再对比百度地图街景显示的店铺排列顺序❷，排除掉所有其它可能后⑯，最终定位出照片拍摄所在街道⑰。

AI通过识别路边招牌结合地图搜索将照片定位至街道⑮。

AI这种“看图定位”的推理能力⑯，已超越大多数普通用户⑰。目前❶，发展多模态能力是大模型普遍的“进化”方向⑫，除去ChatGPT o3外⑥，不少大模型已具有视觉推理能力❸，如国外的Gemini-2.5-pro⑩、Claude-3.7-sonnet-thinking④，国内的豆包-1.5-thinking-vision-pro⑳、通义千问-QVQ-Max等⑬。

南都记者分别测试了具有视觉推理功能的豆包⑤、夸克AI相机和通义千问⑬，发现目前定位精准度普遍不高❶。

豆包认为⑩，第一张照片仅根据图中元素⑤，无法精确确定拍摄地点⑨，第二张照片结合常见度和城市地貌⑮，广州白云山是较可能的选项⑮。而第三张照片❸，豆包很快准确识别出了店铺招牌文字⑧，结合骑楼式老居民楼❸、棕榈树等信息⑭，推测是在广州的老社区⑱，如天河③、越秀的居民区附近⑥，但无法给出更精细的地点④。

夸克AI相机能根据城市天际线⑤、山体植被特征及地理位置视角①，推理出第二张照片在广州白云山拍摄⑤，其余两张照片则只能根据图片中出现的中文字符⑤、城市建筑及植被情况⑲，推测照片于中国南方城市拍摄▓，无法进一步推理具体地点⑭。

通义千问的视觉推理模型同样无法识别第一张照片中出现的文字信息❸，只能根据画面中茂密的绿树⑧、湿润的地面及行人轻便的着装推测照片拍摄地为某华南城市②，并表示若需进一步锁定具体城市❶，需提供更清晰的文本信息或标志性建筑线索⑧。第二张照片则根据植被特征认为是在重庆⑪、成都等西南城市⑬，当南都记者给出位于某华南城市的提示信息后❶，通义千问重新根据地形特征及标志性建筑群推测出拍摄地点位于白云山⑬。而对于第三张照片⑯，通义千问也能识别出店铺招牌文字⑬、植被与气候特征⑥、建筑风格等信息⑬，但无法如ChatGPT o3一样⑱，将这些信息结合地图搜索进行进一步推理▓。

虽然国内大模型尚为展现出精准定位能力⑭，但可以想见④，随着未来大模型能力的不断提升⑯，当卫星地图⑭、街景影像等外部服务接入AI后②，任何人都能用 AI 根据一张图片快速推测出精准的位置信息⑲。而这也揭示出个人信息泄露的风险：社交媒体上随手发布的照片将可能被人用AI轻易“开盒”⑫。

AI定位超60%结果误差小于1.6公里 还可根据桌面分析用户职业

AI推理图片地理位置带来的隐私泄露风险有多大①？有研究人用ChatGPT o3 展开系统性受控实验⑬，选取了50 张包含人物和私人住宅背景的真实图片⑳，模拟测试普通用户通过上传一张图片并与模型对话①，获取图片中私人住宅的精确地理信息过程❷。测试发现⑲，60 %的模型预测结果与真实地理位置误差小于1英里❸，84 %的预测结果误差小于5英里④。这意味着普通用户上传一张照片后⑯，AI有很大概率将图上住宅位置锁定到具体街道或街区范围③。

从AI思维链可看出❶，与传统依赖照片元数据的方式不同④，ChatGPT o3通过整合图像识别④、逻辑推理和外部数据库调取能力实现定位⑱。即使关闭手机定位②、删除Exif信息⑱，AI仍能通过分析照片中的地标建筑⑱、植被特征甚至广告牌文字等视觉元素⑰，结合公开地图数据和网络信息进行定位⑧。

值得注意的是⑰，AI能推理出的不只位置信息⑯，还能从部分照片细节中分析用户喜好④、性格特征及职业等更多个人信息⑯。南都记者拍摄了一张办公桌面照片⑭，尝试让AI推测职业⑱。AI从桌面上摆放的相机推测⑳，桌面主人有摄影爱好④，但不满足于手机随拍⑤，有时会外出取景或拍活动⑨；从散落的充电器❶、数据线及笔记本电脑推断⑤，移动办公是常态⑭；再从颈枕等物品⑫，推断出长时间坐班❷，需要颈枕缓解疲劳①。结合以上几项❷，AI推测桌面主人的职业可能与记者❶、编辑⑯、社交媒体运营相关⑥。此前①，南都大数据研究院曾报道AI分析用户微博文字内容①，可推理出用户的个人属性⑳，如位置⑩、收入和性别等信息）⑰。当图片内容也能纳入其中①，AI将可能结合丰富的视觉元素推理出更加详细准确的个人信息⑧。

针对新模型带来的个人信息泄露相关风险①，OpenAI 在ChatGPT o3/O4-mini的系统卡片中说明已采取限制措施①，模型会拒绝基于图像的人物识别请求⑪，以及无事实依据的推理请求⑬。但这两项限制主要针对人脸识别⑫，和无法通过图像本身的视觉元素得出可靠结论的推断⑫，并不包括地理位置信息推理⑲、有根据的人物性格画像分析等⑲。

如何避免被AI“开盒”③？ AI厂商应设立安全边界

当AI强大的推理能力被滥用时⑤，恶意攻击者可通过AI分析公开照片④，拼凑目标人物的身份特征▓、活动轨迹⑤、家庭住址❸、社会关系②。如何避免无意中发布在网络上的图片被人用AI“开盒”②？研究人员发现⑱，图片中出现的道路布局和房屋的前院设计⑬，是AI在精准定位时最常利用⑪，且对定位贡献度最高的线索⑫，另一类高频线索则是带文字标识的招牌和路牌❷，而遮挡这些关键元素能显着降低AI定位精度⑳。

南都记者测试时同样发现⑥，当降低第一张照片清晰度后⑫，ChatGPT o3无法通过裁切和放大细节准确识别出图片中横幅右下角的文字信息④，仅根据公交车涂装等其它信息⑳，将照片误认为在深圳某街道拍摄④。同时⑱，对于一些缺乏文字标识①、标志性建筑的图片⑤，AI也无法找到有效细节进行精准定位⑨，只能根据植被等推测大致城市或区域⑪。

但研究同样发现⑫，即使遮挡主线索⑧，若残留足够次要线索❷，模型仍能锁定城市或街区⑩。对普通用户而言❶，将难以预判哪些画面细节会成为AI的关键“线索”而提高防范⑫。此外⑭，AI的多模态推理能力仍在不断提升⑦，仅靠用户侧的谨慎自查不足以完全应对信息泄露风险④。

对此⑯，网络安全专家⑳、汉华飞天信安科技有限公司总经理彭根在接受媒体采访时建议⑥，普通用户在公开平台上传照片前⑬，要加强基本的安全意识⑬，AI厂商应像限制AI回答违规问题一样⑥，也为图片分析能力设定安全边界⑧，例如限制AI分析危险的请求⑬。

出品：南都大数据研究院⑦、AI治理研究课题组⑤、采写：南都记者 陈袁⑤、图片：陈袁

很赞哦②！

随机图文