AI pozná z fotky město. Lidé uspějí v 1,7 % případů

Dejte člověku náhodnou fotku z ulice a nechte ho hádat, ve kterém městě vznikla. Trefí se v 1,7 % případů. Dejte tu samou fotku Gemini 1.5 Pro a model určí město správně v 64,3 % případů — a stát v 83,7 %. GPS souřadnice v souboru k tomu nepotřebuje. Smazat je nepomůže.

Schopnost určit místo z obrázku se u AI modelů za poslední dva roky posunula z kuriozity do kategorie „tohle byste měli vědět, než příště něco vyfotíte před firmou“. A co je zajímavější: modely dnes téměř dorovnaly mistra světa v GeoGuessru.

Člověk 1,7 %, model 64,3 %

První systematické měření přinesla studie VLMs as GeoGuessr Masters (benchmark FAIRLOCATOR, arXiv 2502.11163). Autoři dali čtyřem modelům 1 200 snímků z Google Street View ze 111 měst ve 43 zemích a nechali je hádat.

• Gemini 1.5 Pro určil město správně v 64,3 % případů, stát v 83,7 %. Lidé ve srovnávacím testu na stejných 100 snímcích: 1,7 % a 9,5 %.
• Průměrná chyba Gemini na úrovni státu byla 670,7 km, u GPT-4o 1 053 km. Slabší open-source modely se mýlily i o 10 000 km.
• Modely byly výrazně lepší v bohatých a hustě osídlených oblastech. U měst v rozvojových zemích přesnost klesala až o 12,5 procentního bodu.
• Klíčové zjištění pro soukromí: modely určují místo i po odstranění EXIF metadat. A u fotek nahraných reálnými uživateli byly v některých městech přesnější než na snímcích ze Street View.

Modely mají i své oblíbence. Na brazilskou fotku hádaly São Paulo, na australskou Sydney — podobně jako člověk, který zná jen hlavní města.

Pak nasadili mistra světa

V červenci 2026 zveřejnil tým z Georgia Institute of Technology přesnější test. Postavil benchmark GeoRC s 800 anotovanými řetězci úvah a proti modelům (GPT-5, Gemini, Llama, Qwen) postavil tři profesionální geolokátory — včetně úřadujícího mistra světa v GeoGuessru Radu Casapu. Každý člověk dostal 500 snímků.

Výsledek: lidský tým 96 %, nejlepší model 90 %. Rozdíl šest procentních bodů — mezi špičkou lidstva v tomhle oboru a běžně dostupným modelem.

Zajímavější než skóre je ale jak k němu obě strany došly. Lidé svoje tipy uměli vysvětlit: typ svodidel, sloupy elektrického vedení, značení na silnici, druh vegetace. Modely buď nevysvětlily nic, nebo vysvětlily mlhavě — a odborníci v jejich úvahách našli halucinované detaily, tedy znaky, které na fotce vůbec nebyly. Model měl často pravdu ze špatných důvodů. Práce byla představena na 64. výroční konferenci ACL v San Diegu.

Fotka je jen začátek. Stačí i text

Druhá polovina příběhu je ještě méně příjemná. Tým SRILab z ETH Zürich ukázal, že modely nepotřebují ani obrázek. Stačí jim to, jak píšete.

Výzkumníci vzali veřejné komentáře z více než 500 reálných reddit profilů a nechali modely odhadnout, kdo za nimi stojí — věk, pohlaví, místo bydliště, příjem a další údaje, které autoři nikdy explicitně neuvedli.

• GPT-4 uhodl správně v 85 % případů (a v 95,8 %, pokud se počítaly tři nejlepší tipy).
• Oproti placeným lidským profilerům byl odhad více než 100× levnější a 240× rychlejší.
• Běžná anonymizace postavená na regulárních výrazech a rozpoznávání jmen nestačila — v textu zůstalo dost kontextu, aby si model zbytek dopočítal.

Prozradí vás nářeční slovo, zmínka o místní silnici, cena, kterou jste někde zaplatili, nebo způsob, jakým píšete čas. Jednotlivě nic. Dohromady adresa.

Proč by to mělo zajímat firmu

Protože vaše firma veřejně publikuje víc obrazového materiálu, než si uvědomuje: fotky z firemních akcí, snímky obrazovek v návodech, produktové fotky z dílny, screenshoty v helpdesk ticketech, náborové příspěvky na LinkedIn, videa z výroby.

Riziko není „někdo zjistí, kde sídlíme“ — to je ve veřejném rejstříku. Riziko je jinde:

1. Sociální inženýrství. Útočník, který ví, kde zaměstnanec bydlí, kam chodí na oběd a jak mluví, napíše mnohem přesvědčivější phishing.
2. Detaily, které jste nechtěli zveřejnit. Fotka nové linky pozadí prozradí dodavatele, rozvržení haly i to, co zrovna vyrábíte.
3. Zaměstnanci a GDPR. Pokud z vašich veřejných materiálů jde dovodit bydliště konkrétního člověka, je to vaše odpovědnost, ne jeho.
4. Screenshoty. Nejpodceňovanější kanál nejsou fotky, ale snímky obrazovky — s viditelnou lištou, názvy souborů, jmény v kalendáři a kusem e-mailu v pozadí.

Řešení není přestat fotit. Je jím mít napsané, co se publikuje a co ne — a kdo to schvaluje. Pokud taková pravidla ve firmě nemáte, začněte u návodu na firemní pravidla pro AI. A pokud chcete projít, kde všude vaše firma AI potkává — od nástrojů po rizika —, v Praxiu to projdeme krok za krokem a řekneme vám i to, co slyšet nechcete. Úvodní konzultace je nezávazná. Rychlý přehled si uděláte i sami přes AI Kompas.

Často kladené otázky

Pomůže smazat GPS data z fotky?

Pomůže proti těm nejjednodušším nástrojům, ale ne proti modelům. Studie FAIRLOCATOR výslovně testovala snímky bez EXIF metadat a přesnost zůstala vysoká — model čte samotný obraz: typ dlažby, značky, sloupy, vegetaci, písmo na cedulích.

Jak přesné to je u nás ve střední Evropě?

Spíš přesnější než průměr. Modely jsou nejlepší v hustě osídlených a dobře zmapovaných regionech, kde mají v trénovacích datech hodně materiálu. Česko mezi ně patří.

Znamená to, že modely „vidí“ jako člověk?

Ne. Právě na tom stojí nejzajímavější zjištění z benchmarku GeoRC: modely často dojdou ke správné odpovědi, ale jejich vysvětlení obsahuje detaily, které na snímku nejsou. Rozpoznávají statistický vzor, ne stopy jako detektiv. Proto se na jejich zdůvodnění nedá spoléhat — ani když je výsledek správný.

Otázka na konec

Když model pozná z nahodilé fotky město lépe než 97 ze 100 lidí, a z vašich veřejných příspěvků odhadne věk i příjem — kolik soukromí vám zbývá bez toho, abyste přestali existovat online? A čí je to odpovědnost: vaše, zaměstnavatelova, nebo toho, kdo model postavil?

Zdroje: VLMs as GeoGuessr Masters — Exceptional Performance, Hidden Biases, and Privacy Risks (benchmark FAIRLOCATOR), Georgia Tech: Researchers Use GeoGuessr Champion to Test Geolocation Accuracy in VLMs (10. 7. 2026), GeoRC: A Benchmark for Geolocation Reasoning Chains, Beyond Memorization: Violating Privacy via Inference with Large Language Models (SRILab, ETH Zürich).