GeoGuessr AI：机器能打败顶尖玩家吗？

2023 年 5 月 11 日，世界知名的职业 GeoGuessr 选手之一 Trevor Rainbolt 发布了一段名为world’s best ai vs geoguessr pro的视频。他输掉了全部六局。对手是 PIGEON，这是斯坦福的一个研究模型，它只通过 Street View 影像就学会了这个游戏。

“我们并不是第一个和 Rainbolt 对战的 AI，”其创建者之一 Silas Alberti 对 NPR 说，“我们只是第一个击败 Rainbolt 的 AI。”三年过去，AI 能否击败 GeoGuessr 已经不是问题。真正有用的问题是：GeoGuessr AI 如何读取场景，人在哪些地方仍占优势，规则允许什么，以及怎样把同一项技术变成练习方法，而不是一项禁令。

PIGEON 由 Lukas Haas、Michal Skreta、Silas Alberti 和 Chelsea Finn 开发。它最初是斯坦福 CS 330 课程的一个课程项目，2023 年 7 月发表在 arXiv 上，随后作为论文在顶级计算机视觉会议 CVPR 2024 上发表。

真正让它不只是一个基准分数的，是现场测试。一个 Chrome 扩展程序在四个罗盘方向各截取一张图，把图像发送给模型，然后放置它的猜测。在 Competitive Duels 模式的 458 场对决中，它胜过了各种水平的玩家。作者甚至加入了一个可选的随机延迟，让每次猜测之前的等待“看起来更像人类”。

中位数和平均数要一起看。一半的猜测落在大约 44 公里之内，但平均误差却有 252 公里：超过二十分之一的猜测偏离了 750 公里以上，这些大幅偏离的结果把平均值拉高了。作者也坦率地指出了上限：包括他们自己的系统在内，今天的系统都无法可靠地做出街道级别的预测。

通用 AI 也加入了进来。2025 年 4 月，Master I 级玩家 Sam Patterson 与 OpenAI 的 o3 进行了五轮 No Move 对局，每轮只给模型两张 90 度的截图。o3 以 23,179 比 22,054 获胜，并且正确说出了全部五个国家。同月，一份用于 o3 的 1100 字“GeoGuessr 提示词”广为流传，不过2026 年的一项测试在 200 张照片上发现，它的表现并不比一份简短的提示词更好。

这个公开的模型是用 400,000 张图像训练的：从 100,000 个随机的 GeoGuessr 地点中各取四个视角。下面是完整的流程，逐步说明，不涉及数学。

1. Step 1把画面转为数字PIGEON 接收四张图像，彼此相隔 90 度，覆盖完整的 360 度视角。OpenAI 的 CLIP 原本是一个为图像与文字配对而训练的模型，它把每张图像转换为一个嵌入，然后把四个嵌入平均成一个对该地点的概括。
2. Step 2从说明文字中学习地理在主训练之前，模型先学习了配有生成说明文字的图像，例如“在这个地点，人们靠道路左侧行驶”和“这个地点是温带海洋性气候”。这些说明文字把它推向对定位真正重要的特征。
3. Step 3选择地理格子，而不是坐标PIGEON 不是直接预测纬度和经度，而是把场景归入 2203 个 geocell 之一。它们沿着真实的行政边界划分，合并到每个格子都有足够的训练样本为止，过大的格子则通过聚类拆分。
4. Step 4对远距离的错误给予更重的惩罚在训练过程中，与正确格子相邻的格子会获得部分分数，分数按距离加权。模型由此学会：近处的错误胜过远处的错误，这与 GeoGuessr 的计分逻辑相同。
5. Step 5在最佳候选中进一步细化最后，它取出最可能的五个 geocell，把场景与其中训练地点的聚类进行比较，并把落点移到最接近的匹配处。作者称这一检索步骤在该领域属于首创。

没有人告诉这个模型什么是路桩。作者发现，它仍然学会了“在线 GeoGuessr 指南中教授的策略”，注意植被、道路标线、电线杆和标识。这些与人类使用的国家线索清单属于同一类线索。至于普通照片而非全景图，其推理方式见我们关于 AI 地理定位的解释。

• 决策时间。 Patterson 通常在一两分钟内作答，往往十秒以内。o3 几乎总是需要两分钟以上，有时超过六分钟。在对决中，一名玩家的猜测可能只给另一名玩家留下 15 秒，所以思考几分钟是实实在在的劣势。
• 知道什么重要。 他的结论是，人类非常擅长判断什么重要，而模型做了大量不必要的、重复的裁剪，并且“多次被广告分心”。
• 为了更好的线索而移动。 PIGEON 的机器人只判断四张固定的图像，而它的人类对手还可以在场景中走动，论文本身也指出，这让他们拥有更多信息来细化猜测。

不要过度解读这份清单。经过大约 20 轮测试后，Patterson 将 o3 评为与 Master I 级或更高水平的玩家相当。人类的优势在于游戏的玩法，而不在于知道得更多。

Patterson 保存着一副包含数百条目的记忆卡组，内容涉及道路标线、电线杆、路桩和车牌，他直截了当地说明了这种差距：“这些模型所记住的东西，是一个人的思维无论如何也不可能记住的。”这才是真正的优势。人必须专门化，而模型不需要。

它的弱点是可以预见的。PIGEON 只从 GeoGuessr 的地点中学习，所以它从未见过街景覆盖不到的地方。作者还列出了隧道、水体、昏暗场景和森林，是它最难处理的图像，而且它的准确度随人口密度降低而下降。

这一措辞同时涵盖两种 AI。替你玩游戏的机器人就是第三方软件；把截图粘贴到聊天机器人中，则是外部信息来源。社区规则列出了发现作弊证据时的三种处罚：

• 排行榜禁令：从官方单人游戏排行榜中移除，并且今后也不得上榜。
• 竞技暂停：在竞技和单人游戏中被禁止进入官方排行榜。
• 竞技禁令：永久禁止参与竞技游戏，并从官方排行榜中移除。

你还可能失去虚拟物品，处罚范围也可能延伸到你拥有的每一个账户。服务条款另外禁止自动程序和脚本，并点名了机器人，允许临时停权或永久封禁。被停权或封禁的玩家无权获得退款。

那 PIGEON 实验本身呢？它是在 GeoGuessr 内部的帮助下进行的：论文感谢了该公司首席技术官为与人类玩家的现场对局提供的协助。使实验与作弊区别开来的，是 GeoGuessr 的参与，而不是软件本身。

1. Step 1干净地完成每一轮不开第二个标签页，不用助手，也不把截图发给聊天机器人。这一轮考察的是你自己能读出什么，而这是唯一值得衡量的东西。
2. Step 2说出你的决定性线索在放置落点之前，先说出你最信任的那一条证据。这样一来，直觉就变成了可以事后检验的主张。
3. Step 3找到你漏掉的线索在公布答案之后，找出那个本应决定这一轮结果的细节。我们的练习流程给出了检查事项的顺序。
4. Step 4问线索，而不是问这一轮像“捷克和斯洛伐克的路边立柱有什么区别？”这样的问题，能教给你可以重复使用的东西。把答案当作需要验证的线索：Patterson 发现，o3 对标识和道路标线的描述大多是准确的，但并非总是正确。
5. Step 5用真实照片检验这项技能猜一猜你自己的某张照片是在哪里拍的，然后与来自 GeoSpy 的 AI 估计进行比较。如果文件中仍有 GPS 数据，它会读取这些数据，所以先删除位置信息，否则这个测试什么也证明不了。

最后一步很重要，因为游戏和真实照片训练的是同一双眼睛。你从全景图中学到的东西，正是在没有元数据的情况下查找照片位置所依赖的。