IA no GeoGuessr: uma máquina consegue vencer os melhores?

Em 11 de maio de 2023, Trevor Rainbolt, um dos profissionais de GeoGuessr mais conhecidos do mundo, publicou um vídeo chamado world’s best ai vs geoguessr pro. Ele perdeu todas as seis partidas. Seu adversário era o PIGEON, um modelo de pesquisa de Stanford que aprendeu o jogo apenas com imagens do Street View.

“Nós não fomos a primeira IA a jogar contra o Rainbolt”, disse um dos criadores, Silas Alberti, à NPR. “Somos apenas a primeira IA a vencer o Rainbolt.” Três anos depois, a questão de saber se a IA consegue vencer o GeoGuessr está resolvida. As perguntas úteis são como uma IA de GeoGuessr lê uma cena, onde a pessoa ainda leva vantagem, o que as regras permitem e como transformar a mesma tecnologia em prática, e não em proibição.

O PIGEON foi criado por Lukas Haas, Michal Skreta, Silas Alberti e Chelsea Finn. Começou como um projeto de disciplina no curso CS 330 de Stanford, apareceu no arXiv em julho de 2023 e foi apresentado na CVPR 2024, uma das principais conferências de visão computacional.

O teste ao vivo é o que o tornou mais do que um número de benchmark. Uma extensão do Chrome tirou uma captura de tela em cada uma das quatro direções cardeais, enviou as imagens para o modelo e marcou o palpite. Em 458 partidas no modo Competitive Duels, ele superou jogadores de todos os níveis. Os autores chegaram a incluir um atraso aleatório opcional antes de cada palpite, para fazer seu comportamento “parecer mais humano”.

Leia a mediana e a média juntas. Metade dos palpites caiu a cerca de 44 km, mas o erro médio foi de 252 km: mais de um palpite em cada 20 ficou a mais de 750 km de distância, e esses erros puxam a média para cima. Os autores também são francos sobre o teto: os sistemas atuais, inclusive o deles, não conseguem fazer previsões em nível de rua de forma confiável.

A IA de uso geral também entrou nessa. Em abril de 2025, Sam Patterson, jogador ranqueado como Master I, jogou cinco rodadas No Move contra o o3 da OpenAI, dando ao modelo apenas duas capturas de 90 graus por rodada. O o3 venceu por 23.179 a 22.054 e acertou os cinco países. No mesmo mês, um “prompt de GeoGuessr” de 1.100 palavras para o o3 viralizou, embora um teste de 2026 com 200 fotos tenha mostrado que ele não foi melhor que um prompt curto.

O modelo publicado foi treinado com 400.000 imagens: quatro vistas de cada um de 100.000 locais aleatórios do GeoGuessr. Veja o pipeline inteiro, passo a passo, sem a matemática.

1. Step 1Transforme a visão em númerosO PIGEON recebe quatro imagens, separadas por 90 graus, cobrindo a visão completa de 360 graus. O CLIP, da OpenAI, um modelo treinado originalmente para associar imagens a textos, transforma cada imagem em um embedding, e as quatro são combinadas em um resumo do lugar.
2. Step 2Aprenda geografia com legendasAntes do treinamento principal, o modelo estudou imagens emparelhadas com legendas geradas, como “Neste local, as pessoas dirigem pelo lado esquerdo da via” e “Este local tem clima oceânico temperado”. As legendas o empurram na direção dos traços que importam para a localização.
3. Step 3Escolha uma geocell, não uma coordenadaEm vez de prever latitude e longitude diretamente, o PIGEON classifica a cena em uma das 2.203 geocells. Elas seguem fronteiras administrativas reais, fundidas até que cada uma tenha exemplos de treino suficientes, e as células grandes demais são divididas por agrupamento.
4. Step 4Puna erros grandes com mais forçaDurante o treinamento, uma célula vizinha da correta recebe crédito parcial, ponderado pela distância. O modelo aprende que um erro pequeno vale mais do que um erro grande, a mesma lógica da pontuação do GeoGuessr.
5. Step 5Refine dentro dos melhores candidatosPor fim, ele pega suas cinco geocells mais prováveis, compara a cena com agrupamentos de locais de treino dentro delas e move o pino para a correspondência mais próxima. Os autores descrevem essa etapa de recuperação como inédita no campo.

Ninguém disse ao modelo o que é um balizador. Os autores constataram que ele ainda assim aprendeu “estratégias ensinadas em guias online de GeoGuessr”, prestando atenção em vegetação, marcações de via, postes e placas. Essas são as mesmas famílias de pistas de uma lista de pistas de país para humanos. Para fotos comuns, e não panorâmicas, o raciocínio é o descrito em nosso texto sobre geolocalização por IA.

• Tempo de decisão. Patterson costumava palpitar em um ou dois minutos, muitas vezes em até 10 segundos. O o3 quase sempre precisou de mais de 2 minutos, e às vezes mais de 6. Nos Duels, o palpite de um jogador pode deixar o outro com apenas 15 segundos, então minutos de reflexão são uma desvantagem real.
• Saber o que importa. O veredito dele foi que um humano é muito bom em saber o que importa, enquanto o modelo fez muito recorte desnecessário e repetitivo e “se distraiu com propaganda várias vezes”.
• Mover-se para uma pista melhor. O bot do PIGEON julgava quatro imagens fixas. Os oponentes humanos também podiam se mover pela cena, o que, como o próprio artigo observa, lhes deu mais informação para refinar um palpite.

Não tire muitas conclusões dessa lista. Depois de cerca de 20 rodadas de teste, Patterson avaliou o o3 como comparável a jogadores Master I ou superiores. As vantagens humanas são sobre como o jogo é jogado, não sobre saber mais.

Patterson mantém um baralho de fichas com centenas de entradas sobre linhas de via, postes de energia, balizadores e placas de veículos, e resumiu a diferença sem rodeios: “Esses modelos têm mais do que uma mente individual poderia memorizar.” Essa é a verdadeira vantagem. Um humano precisa se especializar; um modelo não.

Os pontos fracos são previsíveis. O PIGEON aprendeu apenas com locais do GeoGuessr, então nunca viu os lugares que o Street View não cobre. Os autores também listam túneis, corpos d'água, cenas escuras e florestas entre suas imagens mais difíceis, e a precisão cai conforme a densidade populacional diminui.

Essa redação cobre os dois tipos de IA. Um bot que joga por você é um software de terceiros. Um chatbot no qual você cola uma captura de tela é uma fonte externa de informação. As Regras da Comunidade listam três punições quando há evidência de trapaça:

• Banimento de placares: removido dos placares oficiais do modo solo e mantido fora deles no futuro.
• Suspensão competitiva: bloqueado dos placares oficiais nos jogos competitivos e no modo solo.
• Banimento competitivo: bloqueado permanentemente dos jogos competitivos e removido dos placares oficiais.

Você também pode perder itens virtuais, e a ação pode se estender a todas as contas que possuir. Os Termos de Serviço proíbem à parte programas automáticos e scripts, citando bots expressamente, e permitem suspensão temporária ou banimento permanente. Um jogador suspenso ou banido não tem direito a reembolso.

E o próprio experimento do PIGEON? Ele rodou com ajuda de dentro do GeoGuessr: o artigo agradece ao diretor técnico da empresa por facilitar as partidas ao vivo contra jogadores humanos. O que separou o experimento de uma trapaça foi o envolvimento do GeoGuessr, não o software.

1. Step 1Jogue a rodada limpaNada de segunda aba, assistente ou captura enviada para um chatbot. A rodada testa o que você consegue ler sozinho, e isso é a única coisa que vale medir.
2. Step 2Nomeie sua pista decisivaAntes de colocar o pino, diga qual evidência única você mais confia. Isso transforma um palpite em uma afirmação que você pode conferir depois.
3. Step 3Encontre a pista que você deixou passarDepois da revelação, procure o detalhe que deveria ter decidido a rodada. Nossa rotina de treino mostra a ordem para checar as coisas.
4. Step 4Pergunte sobre a pista, não sobre a rodadaUma pergunta como “em que os postos de beira de estrada tchecos e eslovacos diferem?” ensina algo que você pode reaproveitar. Trate a resposta como uma pista a verificar: Patterson achou as descrições de placas e linhas de via do o3 em sua maioria precisas, mas nem sempre.
5. Step 5Teste a habilidade com fotos reaisAdivinhe onde uma das suas fotos foi tirada e compare com uma estimativa de IA do GeoSpy. Ele lê os dados GPS quando o arquivo ainda os tem, então remova a localização antes, ou o teste não prova nada.

O último passo importa porque o jogo e as fotos reais treinam o mesmo olhar. O que você aprende com uma panorâmica é o que encontrar a localização de uma foto sem metadados exige.