Como funciona a geolocalização por IA e o que ela lê?

Entender como funciona a geolocalização por IA começa por saber o que esses modelos não fazem. Não existe um banco de fotografias sendo consultado, e nenhuma correspondência é encontrada. Nada sobre a sua imagem é procurado em lugar nenhum.

• Texto e escrita: um único letreiro somado a um sistema de escrita costuma reduzir a um só país.
• Mobiliário viário: cores de faixas, balizadores, placas de sinalização e marcações de meio-fio são padronizados nacionalmente.
• Infraestrutura: formato dos postes, disposição dos fios e cor da caixa de correio mudam nas fronteiras, onde a paisagem não muda.
• Veículos: proporções e cor das placas, e quais modelos são comuns na região.
• Arquitetura: inclinação do telhado, proporções das janelas e materiais acompanham o clima e a tradição construtiva.
• Vegetação e luz: a mistura de espécies indica uma faixa climática; o ângulo da sombra restringe a latitude.

Nenhum desses sinais é decisivo sozinho, e um especialista humano lendo as mesmas pistas em ordem trabalha exatamente assim. Uma etiqueta GPS colocaria a câmera a cerca de 5 m; a inferência visual trabalha numa resolução milhares de vezes mais grosseira, e essa diferença é a história inteira. A estimativa é uma interseção: cada sinal elimina possibilidades, e a resposta é o que sobra depois de eliminar a maior parte delas. Por isso, uma foto com poucos sinais visíveis gera uma resposta fraca, e não uma resposta errada dada com confiança. Lendo esses sinais apenas do Street View, um modelo de pesquisa venceu um jogador profissional de GeoGuessr por seis partidas a zero.

Eles se complementam em vez de competir. A ordem sensata é buscar primeiro, pois o exato vence o aproximado, e inferir só quando nada corresponde. A comparação entre buscadores mostra qual usar para cada assunto.

Isso é um limite do método, não do tamanho do modelo. Um modelo maior acerta a cidade com mais frequência; ele não transforma uma foto de uma rua residencial genérica em um número de casa. Qualquer ferramenta que apresente precisão de rua apenas a partir de pixels está apresentando um palpite como se fosse uma medição.

O padrão de falha que vale observar é uma resposta confiante em uma fotografia sem características. Um modelo que nomeia uma cidade específica a partir de uma foto de parede em branco não encontrou algo que você deixou passar: produziu ruído com um número colado. É também a primeira coisa a testar antes de construir sobre uma API de geolocalização de fotos: coloque paredes em branco no conjunto de teste e veja o que volta. Chatbots de uso geral não estão imunes: nos testes de 2025 da Bellingcat, todos os modelos, inclusive o ChatGPT, estiveram totalmente errados em algum momento.