ChatGPT розпізнав деталі інтер'єру на селфі підозрюваного у крадіжці й допоміг встановити адресу, де той переховувався — без жодної спеціалізованої слідчої програми, лише завдяки аналізу зображення. За даними Speka, саме фото, яке підозрюваний, найімовірніше, вважав нешкідливим, стало ключовою уликою у справі.

Показовим тут є не сам факт розкриття крадіжки — поліція й раніше працювала з фотодоказами. Показово те, що аналіз виконав загальнодоступний чат-бот, а не спеціалізований криміналістичний софт з обмеженим доступом. Будь-хто з ноутбуком і безкоштовним акаунтом отримав інструмент, який ще кілька років тому був прерогативою експертних лабораторій.

Для розробників, які працюють з мультимодальними моделями, цей випадок — не курйоз, а зручний привід переглянути, наскільки «звичайне» фото насправді анонімне.

Що саме сталося?

Підозрюваного у крадіжці вдалося вивести на чисту воду через селфі, яке він сам зробив і яке потрапило в поле зору слідства. ChatGPT проаналізував зображення й розпізнав деталі оточення, що дозволили звузити коло пошуку до конкретної адреси. Технічних подробиць — яка саме версія моделі використовувалася і які саме елементи фону виявилися вирішальними — Speka не наводить, тому додавати сюди вигадані деталі ми не будемо.

Важливо розуміти механіку в загальних рисах: сучасні мультимодальні моделі, зокрема ChatGPT з підтримкою зору, вміють не просто «бачити» об'єкти на фото, а зіставляти їх з широким контекстом — типами будівель, розташуванням меблів, освітленням, елементами вивісок чи візерунками на шпалерах. Людині-слідчому для такого зіставлення потрібні роки досвіду й довідники; моделі — секунди й доступ до величезного масиву візуальних патернів, на яких вона навчалася.

Як AI «читає» адресу з побутового фото?

Пряма GPS-мітка в метаданих — найпростіший і найочевидніший спосіб деанонімізації, але далеко не єдиний і навіть не головний. Значна частина смартфонів і застосунків для обміну файлами прибирає EXIF-дані ще до публікації, тому кейс із селфі цікавий саме тим, що адресу відновили без метаданих — виключно з візуального вмісту кадру.

Модель здатна поєднувати кілька незалежних сигналів на одному зображенні:

Кожен окремий елемент дає лише ймовірність. Але коли модель зіставляє одразу кілька таких деталей, ймовірність швидко перетворюється на конкретну адресу чи, як мінімум, квартал.

Наскільки легко деанонімізувати людину за звичайним фото?

Достатньо легко, щоб про це варто було думати заздалегідь, а не постфактум. Раніше геолокацію за фото відновлювали вручну ентузіасти на кшталт учасників GeoGuessr-спільнот або журналісти-розслідувачі — процес забирав години й вимагав специфічних навичок. Мультимодальні моделі стиснули цей процес до кількох запитів у чат-вікні, доступному будь-кому.

Це не означає, що кожне селфі веде прямо до домашньої адреси — у наведеному випадку йшлося про підозрюваного у злочині, і аналіз, найімовірніше, доповнювався іншими доказами слідства. Але сам принцип — що AI-модель бачить у фото більше контексту, ніж бачить пересічна людина, — працює однаково і для злочинця, і для звичайного користувача, який публікує відпустку в Instagram.

Висновок AiiN: приватність тепер рахується в пікселях фону, а не в підписах

Наша теза проста: поріг деанонімізації за фото впав настільки різко, що правила «безпечної публікації» треба переписувати з нуля. Раніше застереження зводилися до «прибери геотег» і «не пости номер будинку». Тепер модель здатна відновити локацію з відблиску у вікні чи типу бордюру на асфальті — деталей, про які пересічна людина навіть не думає як про ідентифікатори.

Для команд, які будують продукти на базі мультимодальних моделей, це також сигнал: якщо ваш застосунок дає користувачам аналізувати чужі фото пачками, ви фактично надаєте інструмент масової деанонімізації — і варто закласти в продукт обмеження, логування запитів та явні правила використання, а не покладатися на те, що users самі поводитимуться етично.

Чи потрібен спеціальний інструмент, щоб геолокувати людину за фото?

Ні, і в цьому суть кейсу — звичайний ChatGPT з підтримкою зображень впорався без додаткового спеціалізованого софту. Раніше такий аналіз вимагав або криміналістичних баз даних, або годин ручної роботи ентузіастів-геолокаторів.

Чи можна захистити свої фото від такого аналізу?

Повністю — складно, але ризик можна суттєво знизити. Варто уникати кадрів з чіткими відблисками у склі й дзеркалах, не публікувати фото на тлі впізнаваних архітектурних деталей чи вивісок і памʼятати, що видалення GPS-метаданих більше не гарантує анонімності — модель здатна відновити контекст із самого зображення.