برومبت ChatGPT لتحديد مكان الصورة: ليس هو سر الدقة

في أبريل 2025 أعطت Kelsey Piper نموذج o3 الجديد من OpenAI صورة لشاطئ. ومن دون أي أسئلة أخرى، سمّى النموذج المكان بدقة: شاطئ Marina State Beach في مقاطعة مونتيري بولاية كاليفورنيا. وظن المعلّقون أن في الأمر حيلة. ربما ما زال الملف يحمل بيانات موقعه، أو تذكّر o3 مكان سكنها من محادثات سابقة، أو تتبّع عنوان IP الخاص بها.

وكانت Piper تستخدم أيضًا برومبت طويلًا بنته على مدى الوقت، وقالت إنه حسّن أداء o3 تحسينًا كبيرًا. وقد شغّله Scott Alexander، صاحب مدونة Astral Codex Ten، على مجموعة من الصور التجريبية، أغلبها صور قديمة له لم تُنشر قط على الإنترنت، جُرّدت من بياناتها الوصفية وعُكست لتصعيب المطابقة. وعادت لقطة لصخور جرداء وعلم دولة خيالية، التُقطت على قمة في الهيمالايا، بالإجابة «نيبال، شمال شرق Gorak Shep مباشرة، بخطأ ±8 كم». وكانت الإجابة صحيحة تمامًا.

وانتشر البرومبت على نطاق واسع باسم «برومبت GeoGuessr»، وخرج كثيرون ممن جرّبوه منبهرين. وبعد عام، أجرى أحدهم أخيرًا الاختبار المضبوط. وفي المتوسط، لم يجعل البرومبت o3 أفضل بأي حال.

أعاد Scott Alexander نشره كاملًا في Testing AI’s GeoGuessr Genius. وأهم أجزائه:

• القواعد الأساسية. «لا تتلصص على البيانات الوصفية. اعمل من البكسلات فقط (وعمليات البحث المسموح بها في الويب العام).» كما تطلب من النموذج ألا يستدل من عنوان IP الخاص بالمستخدم.
• الملاحظات الخام. حتى عشر نقاط مما يمكن رؤيته أو قياسه حرفيًا، كاللون والملمس وزاوية الظل وأشكال الحروف، مع إرجاء التفسير.
• فئات القرائن. المناخ والنباتات، والتضاريس، والبيئة المبنية، والثقافة والبنية التحتية، والضوء.
• خمسة مرشحين. قائمة مرتبة يجب أن تبعد فيها المرتبة الأولى عن الخامسة 160 كيلومترًا على الأقل.
• النقض. للتخمين المتصدر، اذكر ما الذي سيسقطه. ويحذّر البرومبت: «أنت نموذج لغوي كبير (LLM)، وتخميناتك الأولى ‘لاصقة’ ومقنعة لك أكثر من اللازم».
• التثبيت. إحداثيات أو أقرب مكان مسمّى، مع نصف قطر عدم اليقين بالكيلومترات.

بل يتضمن حتى صيغة لتقدير خط العرض من طول الظل، وهي تقنية لها دليلها الخاص. ويقرأ كقائمة مراجعة لخبير بشري دقيق في تحديد المواقع، وهذا جزء من جاذبيته.

طلب برومبت Goedecke القصير من o3 ببساطة تحديد موقع الصورة من الأدلة البصرية وإعادة الإحداثيات ودرجة ثقة والقرائن التي استخدمها. وأُضيفت إلى النسخة الطويلة صيغة الإجابة نفسها. وعمل كلاهما عبر واجهة OpenAI البرمجية (API) من دون بحث في الويب، ولذلك قاس الاختبار خطوات الاستدلال في البروتوكول لا خطوات البحث التي يصفها أيضًا.

وقد حقق البرومبت الطويل مكاسب. فأحيانًا أبقى التخمين في البلد الصحيح حين انحرف القصير نحو الجزء الخطأ من أوروبا، وحدّد صورة داخلية واحدة، رواقًا للتسوق في موسكو، ضمن 200 متر، حيث قال القصير سانت بطرسبرغ. لكن تقلباته الضارة فاقت المفيدة عددًا ووزنًا، بحسب تقرير Goedecke.

واعرف حدود الاختبار. فهو معيار واحد بناه شخص واحد بنحو 15 دولارًا أمريكيًا. ومعظم صوره (180 من 200) جاءت من Geograph، وهو مشروع يوثّق بريطانيا وأيرلندا، والباقي من Wikimedia Commons، وقد تكون الصور العامة موجودة أصلًا في بيانات تدريب النموذج. وقد تحقق Goedecke من أن أيًّا منها لا يحمل بيانات EXIF الوصفية، ويرى أن نموذجًا حفظ الصور كان سيسجل نتيجة أفضل.

بنت Piper البرومبت بأن تسأل o3، بعد كل خطأ، كيف كان يمكنه تجنبه، ثم تضيف الإجابة. ونقطة Goedecke أن هذه الحلقة تجامل البرومبت: فالنماذج «تقول دائمًا تقريبًا ‘نعم، لقد ساعد ذلك كثيرًا’ حين تسألها إن كان تعديل معين في البرومبت قد حسّن الأمور». والطريقة الوحيدة للمعرفة، كما يكتب، هي المعيار القياسي (benchmark).

وتجربة Alexander نفسه تُظهر لماذا تضلّل الأمثلة المفردة. فمع البرومبت، وضع o3 سهلًا خاليًا من الملامح في المنطقة الصحيحة البالغة 300 في 100 ميل من تكساس ونيو مكسيكو، لكنه حين طُلبت منه نقطة أخطأ بنحو 110 أميال. ولم يستطع وصف غرفة في سكن جامعي بكاليفورنيا إلا بأنها «غرفة سكن في حرم جامعة عامة كبيرة في الولايات المتحدة»، ووضع رقعة عشب في ميشيغان في منطقة شمال غرب المحيط الهادئ، وحسب امتدادًا بنيًا من نهر الميكونغ أنه نهر الغانج. وعاد منزله القديم في ميشيغان على أنه ريتشفيلد في مينيسوتا.

النجاحات اللافتة هي ما يتشاركه الناس. واختبار على مئات الصور يقول أكثر من أي لقطة شاشة واحدة، مهما بدت مذهلة.

«أيًّا كان ما امتلكه o3 وجعله جيدًا في هذه المهمة، فإنه لم ينتقل إلى النماذج الأحدث»، هكذا خلص Goedecke. ويهم أيضًا أي نموذج تحصل عليه فعلًا: فبعد وصول GPT-5، أزالت OpenAI خيار اختيار النماذج الأقدم مثل o4-mini-high في ChatGPT، بحسب ما ذكرت Bellingcat. وتجد بقية نتائج Bellingcat في مقارنة ChatGPT بـ Google Lens وروبوتات الدردشة الأخرى.

1. Step 1اقرأ البيانات الوصفية أولًاالإحداثيات المخزنة في الملف مقيسة لا مخمَّنة، لذلك افحص بيانات GPS قبل أي شيء آخر. فالصور المحفوظة من تطبيقات التواصل تكون قد فقدتها عادة.
2. Step 2ابدأ محادثة نظيفةفي ChatGPT افتح محادثة مؤقتة واختر «Unpersonalized» (غير مخصصة) قبل الرسالة الأولى؛ وتقول OpenAI إن هذا الوضع لا يستخدم الذاكرة ولا التعليمات المخصصة ولا الإضافات. وقد وجدت Bellingcat أن سجل الحساب يمكن أن يوجّه الإجابات، وقد يظل ChatGPT يقدّر موقعك التقريبي من عنوان IP الخاص بك.
3. Step 3استخدم أوضح نسخةالتفاصيل الصغيرة تحسم النتيجة: ففي أحد اختبارات Bellingcat جاء العنوان الدقيق من كتابة على صندوق بريد. ارفع الأصل لا نسخة معاد نشرها ومضغوطة، وأضف اقتطاعًا مقرّبًا لأي نص.
4. Step 4اسأل بوضوح واطلب الأدلةالطلب القصير أدى على الأقل بقدر ما أداه البروتوكول ذو 1,100 كلمة. جرّب: أين التُقطت هذه الصورة؟ اذكر القرائن المرئية التي استخدمتها، وقدّم ثلاثة أماكن مرشحة مع درجة ثقة لكل منها، وبيّن ما الذي يستبعد كل واحد منها. فالأسطر الإضافية ليست لرفع الدقة؛ بل لتعطيك شيئًا تتحقق منه.
5. Step 5تحقق من المرشحين بنفسكابحث عن مطابقتين أو ثلاث مستقلة، كلافتة وخط سقف وشكل تل، في Street View أو صور الأقمار الصناعية. وبالنسبة إلى المعالم والأماكن السياحية، أجرِ بحثًا عكسيًا عن الصورة أيضًا: فقد تفوق Google Lens على معظم روبوتات الدردشة فيها في اختبارات Bellingcat، ويتناول التعرف على معلم هذا الطريق.
6. Step 6أبقِ على عدم اليقينأخطأ كل نموذج اختبرته Bellingcat تمامًا في مرحلة ما. دوّن مدى ثقة الإجابة، ولا تتعامل أبدًا مع تخمين روبوت الدردشة بوصفه دليلًا على شخص ما.

والترتيب نفسه يصلح لأي طريقة، بالذكاء الاصطناعي أو بدونه: البيانات المقيسة أولًا، ثم الفرضية، ثم التأكيد في النهاية. ويعرضه الطرق الأربع لمعرفة مكان التقاط صورة كاملًا.

يستعير البرومبت اسم اللعبة لا قواعدها. فقد كُتب لصور حقيقية قد تأتي، كما يذكر، من أرض خاصة أو فناء خلفي لأحدهم أو رحلة على طرق وعرة. أما هل يتفوق الذكاء الاصطناعي على أفضل لاعبي GeoGuessr وكيف تستخدمه للتدريب بين الجولات فله دليله الخاص.

تعمل GeoSpy مما يظهر في الإطار، وتجيب على مستوى المدينة لا بعنوان، ولا تخزّن الصور المرفوعة. وعلى geospys.com يأتي التحليل مع GeoSpy Premium: 7.99 دولارًا أمريكيًا في الأسبوع أو 29.99 دولارًا أمريكيًا في السنة (₺389 أو ₺1,460 في تركيا)، غير محدود ضمن الاستخدام العادل، ويمكنك الإلغاء في أي وقت. اختر الخطة السنوية، أو ابدأ بالتجربة المجانية في تطبيق GeoSpy لـ iPhone.