Pokémon Go-spelers trainen onbewust een geavanceerd AI-systeem, ontworpen door Niantic, om locaties in de echte wereld te voltooien. Dit initiatief draait om een ‘Large Geospatial Model’ (LGM), dat afhankelijk is van door gebruikers gegenereerde gegevens om augmented reality en robotica-toepassingen te verbeteren.
Pokémon Go-spelers hebben geavanceerde AI getraind voor toepassingen in de echte wereld
Niantic’s officiële blog schetst dat het LGM op dezelfde manier functioneert als een ‘groot taalmodel’, zoals ChatGPT, maar specifiek betrekking heeft op fysieke omgevingen. De LGM is getraind op uitgebreide datapunten van locaties in de echte wereld, zoals kerken, parken en huizen. Door dit model te gebruiken, wil Niantic de kenmerken voorspellen van locaties die het niet rechtstreeks is tegengekomen. Het bedrijf benadrukte dat veel structuren, hoewel uniek voor hun locatie, gemeenschappelijke kenmerken delen die dit model effectief maken voor het begrijpen van de stedelijke geografie.
Om dit te faciliteren ontwikkelt Niantic een Visual Positioning System (VPS). Deze technologie maakt gebruik van smartphonebeelden om de positie en oriëntatie van een gebruiker met hoge nauwkeurigheid te bepalen, waardoor nauwkeurige digitale overlays op het fysieke landschap mogelijk zijn. Niantic legde uit dat dit ervoor zorgt dat augmented reality-inhoud op specifieke locaties kan blijven staan, wat bijdraagt aan een meer ingewikkelde gebruikerservaring. Met de onlangs uitgeroldste ‘Pokémon Playgrounds’-functie kunnen spelers bijvoorbeeld Pokémon op bepaalde locaties in de echte wereld plaatsen, die toegankelijk blijven voor andere gebruikers.
Het debat tussen Palworld en Pokemon kan voor de rechtbank eindigen vanwege auteursrechtclaims
De enorme hoeveelheid gegevens die door Pokémon Go-spelers wordt gegenereerd, is van fundamenteel belang geweest voor dit project. Niantic beschikt momenteel over ongeveer 10 miljoen gescande locaties, waarvan 1 miljoen haalbaar zijn voor zijn VPS-service. Het bedrijf verzamelt elke week ongeveer 1 miljoen nieuwe scans, met elk honderden afbeeldingen. Deze voortdurende toestroom van locatiegegevens is essentieel voor het verfijnen van de geospatiale AI-functionaliteit die Niantic ontwikkelt.
“Stel je voor dat je achter een kerk staat. Laten we aannemen dat het dichtstbijzijnde lokale model alleen de hoofdingang van die kerk heeft gezien en u dus niet kan vertellen waar u bent. Het model heeft de achterkant van dat gebouw nog nooit gezien. Maar op mondiale schaal hebben we veel kerken gezien, duizenden, allemaal gevangen genomen door hun respectievelijke lokale modellen op andere plaatsen in de wereld. Geen enkele kerk is hetzelfde, maar velen hebben gemeenschappelijke kenmerken. Een LGM [Large Geospatial Model] is een manier om toegang te krijgen tot die gedistribueerde kennis.”
-Niantic
Ondanks deze optimistische toepassingen blijven de zorgen over gegevensprivacy en de bredere implicaties van AI-training bestaan. Zoals uiteengezet door verschillende commentatoren, waaronder OSINT-analist Elise Thomas, roepen de potentiële militaire toepassingen van dergelijke technologie ethische vragen op. De technologie die wordt ingezet voor gaming zou kunnen uitgroeien tot tools met aanzienlijke gevolgen op verschillende gebieden, buiten entertainment.
De toepassingen beginnen misschien onschadelijk – zoals het creëren van digitale Pokémon op specifieke locaties in de echte wereld – maar het onderzoek naar de bredere implicaties van deze technologie zal waarschijnlijk worden voortgezet. Terwijl Niantic vooruitgang boekt met het LGM-project, blijft de balans tussen het benutten van waardevolle gegevens en het waarborgen van de privacy van gebruikers een cruciaal onderwerp voor het voortdurende debat.
Uitgelichte afbeeldingscredits: Pokémon Go
