GeoGuessr IA: ¿puede una máquina vencer a los mejores?

El 11 de mayo de 2023, Trevor Rainbolt, uno de los jugadores profesionales de GeoGuessr más conocidos del mundo, publicó un video titulado world’s best ai vs geoguessr pro. Perdió las seis partidas. Su rival era PIGEON, un modelo de investigación de Stanford que había aprendido el juego solo con imágenes de Street View.

«No fuimos la primera IA que jugó contra Rainbolt», dijo a NPR uno de sus creadores, Silas Alberti. «Solo somos la primera IA que le ganó». Tres años después, si la IA puede vencer a GeoGuessr es una cuestión zanjada. Las preguntas útiles son cómo lee una escena una GeoGuessr IA, dónde conserva ventaja una persona, qué permiten las normas y cómo convertir esa misma tecnología en práctica y no en una sanción.

PIGEON lo crearon Lukas Haas, Michal Skreta, Silas Alberti y Chelsea Finn. Empezó como un proyecto de clase en el curso CS 330 de Stanford, apareció en arXiv en julio de 2023 y se presentó en CVPR 2024, una de las principales conferencias de visión artificial.

La prueba en directo fue lo que lo convirtió en algo más que una puntuación de referencia. Una extensión de Chrome tomaba una captura de pantalla en cada una de las cuatro direcciones cardinales, enviaba las imágenes al modelo y colocaba su respuesta. En 458 partidas de «Competitive Duels», venció a jugadores de todos los niveles. Los autores incluso añadieron un retraso aleatorio opcional antes de cada respuesta, para que su comportamiento «pareciera más humano».

Lee la mediana y la media juntas. La mitad de sus respuestas cayó a menos de unos 44 km, pero el error medio fue de 252 km: más de una respuesta de cada 20 falló por más de 750 km, y esos fallos elevan el promedio. Los autores también son sinceros sobre el techo: los sistemas actuales, el suyo incluido, no pueden hacer predicciones fiables a nivel de calle.

Desde entonces se ha sumado la IA de uso general. En abril de 2025, Sam Patterson, un jugador de rango Master I, jugó cinco rondas «No Move» contra o3 de OpenAI, dándole al modelo solo dos capturas de 90 grados por ronda. o3 ganó por 23 179 a 22 054 y acertó los cinco países. Ese mismo mes se hizo viral un «prompt de GeoGuessr» de 1100 palabras para o3, aunque una prueba de 2026 con 200 fotos halló que no funcionaba mejor que uno corto.

El modelo publicado se entrenó con 400 000 imágenes: cuatro vistas de cada una de 100 000 ubicaciones aleatorias de GeoGuessr. Este es todo el proceso, paso a paso y sin matemáticas.

1. Step 1Convierte la vista en númerosPIGEON toma cuatro imágenes separadas 90 grados que cubren la vista completa de 360 grados. CLIP de OpenAI, un modelo entrenado al principio para emparejar imágenes con texto, convierte cada imagen en un embedding, y los cuatro se promedian en un único resumen del lugar.
2. Step 2Aprende geografía a partir de descripcionesAntes del entrenamiento principal, el modelo estudió imágenes emparejadas con descripciones generadas como «En este lugar se conduce por la izquierda» y «Este lugar tiene un clima oceánico templado». Las descripciones lo orientan hacia los rasgos que importan para la ubicación.
3. Step 3Elige una geocelda, no una coordenadaEn lugar de predecir latitud y longitud directamente, PIGEON clasifica la escena en una de 2203 geoceldas. Siguen fronteras administrativas reales, fusionadas hasta que cada una reúne suficientes ejemplos de entrenamiento, y las celdas demasiado grandes se dividen mediante agrupamiento.
4. Step 4Castiga más los fallos lejanosDurante el entrenamiento, una celda contigua a la correcta recibe crédito parcial, ponderado por la distancia. El modelo aprende que un fallo cercano es mejor que uno lejano, la misma lógica que usa la puntuación de GeoGuessr.
5. Step 5Afina dentro de los mejores candidatosPor último toma sus cinco geoceldas más probables, compara la escena con grupos de ubicaciones de entrenamiento dentro de ellas y mueve el marcador a la coincidencia más cercana. Los autores describen este paso de recuperación como una novedad en el campo.

Nadie le dijo al modelo qué es un bolardo. Los autores comprobaron que, aun así, aprendió «estrategias que se enseñan en las guías de GeoGuessr en línea», fijándose en la vegetación, las marcas viales, los postes de servicios y los carteles. Son las mismas familias de pistas de una lista de comprobación humana de pistas por país. Para fotos normales y no panoramas, el razonamiento es el que se expone en nuestra explicación de la geolocalización con IA.

• Tiempo de decisión. Patterson solía responder en uno o dos minutos, a menudo en 10 segundos. o3 casi siempre necesitó más de 2 minutos, y una vez más de 6. En los duelos, la respuesta de un jugador puede dejar al otro tan solo 15 segundos, así que pensar minutos es una desventaja real.
• Saber qué importa. Su veredicto fue que un humano es muy bueno sabiendo qué importa, mientras que el modelo hizo muchos recortes innecesarios y repetitivos y «se distrajo con la publicidad varias veces».
• Moverse para conseguir una pista mejor. El bot de PIGEON juzgaba cuatro imágenes fijas. Sus rivales humanos también podían moverse por la escena, lo que, según el propio artículo, les daba más información para afinar una respuesta.

No leas demasiado en esa lista. Tras unas 20 rondas de prueba, Patterson valoró a o3 como comparable a jugadores de rango Master I o superior. Las ventajas humanas tienen que ver con cómo se juega, no con saber más.

Patterson guarda un mazo de tarjetas con cientos de entradas sobre líneas viales, postes eléctricos, bolardos y placas, y lo dijo sin rodeos: «Estos modelos tienen más de lo que una mente individual podría memorizar». Esa es la verdadera ventaja. Una persona tiene que especializarse; un modelo no.

Los puntos débiles son previsibles. PIGEON solo aprendió de ubicaciones de GeoGuessr, así que nunca ha visto los lugares que Street View no cubre. Los autores también enumeran túneles, masas de agua, escenas oscuras y bosques entre sus imágenes más difíciles, y su precisión cae a medida que baja la densidad de población.

Esa redacción cubre los dos tipos de IA. Un bot que juega por ti es software de terceros. Un chatbot al que pegas una captura es una fuente externa de información. Las normas de la comunidad enumeran tres sanciones cuando hay pruebas de trampa:

• Veto de clasificaciones: se te retira de las clasificaciones oficiales de un jugador y se te mantiene fuera en el futuro.
• Suspensión competitiva: se te bloquea el acceso a las clasificaciones oficiales en juegos competitivos y de un jugador.
• Veto competitivo: se te bloquea de forma permanente del juego competitivo y se te retira de las clasificaciones oficiales.

También puedes perder objetos virtuales, y la medida puede extenderse a todas las cuentas que tengas. Los Términos del servicio prohíben por separado los programas y scripts automáticos, y citan los bots en la lista, y permiten una suspensión temporal o un veto permanente. Un jugador suspendido o vetado no tiene derecho a reembolso.

¿Y el propio experimento de PIGEON? Se hizo con ayuda desde dentro de GeoGuessr: el artículo da las gracias al director técnico de la empresa por facilitar las partidas en directo contra jugadores humanos. Lo que distinguió el experimento de la trampa fue la participación de GeoGuessr, no el software.

1. Step 1Juega la ronda limpiaSin segunda pestaña, sin asistente, sin captura enviada a un chatbot. La ronda mide lo que sabes leer por tu cuenta, y es lo único que vale la pena medir.
2. Step 2Nombra tu pista decisivaAntes de colocar el marcador, di en qué única prueba confías más. Convierte una corazonada en una afirmación que puedes comprobar después.
3. Step 3Encuentra la pista que se te escapóTras la revelación, busca el detalle que debió decidir la ronda. Nuestra rutina de práctica da el orden en que comprobar las cosas.
4. Step 4Pregunta por la pista, no por la rondaUna pregunta como «¿en qué se diferencian los postes de carretera de Chequia y Eslovaquia?» enseña algo que puedes reutilizar. Trata la respuesta como una pista que verificar: Patterson halló que las descripciones de o3 sobre carteles y líneas viales eran en su mayoría correctas, no siempre.
5. Step 5Pon a prueba la habilidad con fotos realesAdivina dónde se tomó una de tus propias fotos y compara con una estimación de IA de GeoSpy. Lee los datos GPS cuando el archivo aún los lleva, así que quita antes la ubicación o la prueba no demuestra nada.

El último paso importa porque el juego y las fotos reales entrenan la misma mirada. Lo que aprendes de un panorama es en lo que se apoya encontrar la ubicación de una foto sin metadatos.