AI-инструменты для GEOINT: нейросеть уже способна заменить геоинтера или еще нет?

Последнее время в Сети можно регулярно встретить рекламу различных платформ, которые позволяют по фотографии и видео определить точные координаты проведенной съемки. Наиболее популярной среди них является нейросеть под названием GeoSpy от американской компании Graylark Technologies.

В широко распространившейся рекламе утверждается, что данная платформа способна за считанные секунды найти местоположение отправленных в нее кадров, основываясь на анализе почвы, архитектуры и других визуальных элементов. Но так ли хорош на деле данный AI-инструмент — давайте разбираться.

Что из себя представляет GeoSpy?

Широкую известность GeoSpy получил в начале 2025 года благодаря закупленной в различных медиа рекламе. Подчеркивалось, что нейросеть даже способна вычислить местоположение по съемке внутри дома, если в объектив камеры попал вид из окна. Все это ей удается из-за обращения внимания на мелкие детали: от цвета пожарных гидрантов и уличных знаков до особенностей растительности и расположения зданий.

Система постоянно обучается на загружаемых в нее изображениях. Также в нее периодически интегрируется дополнительное программное обеспечение — например, Maltego для более глубокого анализа данных.

Показательным моментом является способность анализировать текст в медиафайле: например, если в видеоролике написано наименование населенного пункта или улицы, то система это должна не упустить.

Изначально платформа была доступна для всех пользователей — еще в начале января в демоверсии каждый из зарегистрировавшихся мог ее бесплатно протестировать. На текущий момент она открыта лишь для корпоративных клиентов и правоохранителей.

Какие достоинства и недостатки AI-инструментов для GEOINT?

Наилучшие результаты платформа показывает во время поиска кадров из населенного пункта, где было снято значительное количество панорамных фотографий, впоследствии попавших в Google Street View. На точность координат также влияют наличие в кадре строений, уличных знаков, логотипов магазинов и т.д.

Результаты использования системы в крупных городах достаточно успешные: в большинстве случаев платформа определяла точную геолокацию, хотя иногда и присутствовала погрешность, если на съемке демонстрировалась достаточно распространенная застройка без каких-либо дополнительных опознавательных знаков.

С анализом кадров из зон боевых действий дело обстоит хуже. Особенно это касается многочисленных фото и видео из мелких населенных пунктов на территории новых регионов РФ, т.н. Украины и Ближнего Востока — там, откуда ранее в Сеть не выгружались фотографии, либо присутствовавшая в кадре застройка оказалась разрушена.

В таком случае точность результатов зависит от текстового сопровождения, хотя и его зачастую оказывается недостаточно. Например, в платформу загружались видео из Курахово и Дзержинска, где фигурировали названия и населенного пункта, и улиц. Тем не менее погрешность каждой из попыток составляла от одного до нескольких десятков километров.

Пока полноценно заменить специалиста по GEOINT подобные платформы не способны — особенно это касается кадров из зон боевых действий, когда для поиска точных координат ввиду отсутствия Street View приходится прибегать исключительно к сопоставлению кадров со спутниковыми снимками, опираясь на собственную насмотренность.

Аналогичное касается и более сложных расследований — например, когда нужно установить причастность одной из сторон конфликта к резонансному происшествию, в том числе для опровержения фейков о якобы ударах по гражданским объектам. Не способны данные системы и определять актуальность кадров, что иногда бывает крайне важно.

Стоит признать, что AI-инструменты для GEOINT не стоят на месте — еще в прошлом году похожие системы зачастую давали ошибку геопозиционирования до 100-150 километров. Сейчас этот показатель удалось уменьшить в разы. Поэтому потенциал у них достаточно высокий.

Rybar