Jedno zdjęcie z salonu wystarczy, by wskazać dom. Policzyłem, ile kosztuje taki namiar - wychodzi 11 groszy

👁 117 przeczytań

Najciekawsze w tej historii nie jest to, że sztuczna inteligencja potrafi zgadnąć, gdzie zrobiono zdjęcie. To akurat umieją już amatorzy grający w GeoGuessr. Interesujące jest co innego: cena. Kiedy wskazanie adresu z fotografii spada z poziomu kilkudniowej pracy analityka do poziomu zapytania w API rozliczanego w centach, zmienia się nie technologia, tylko skala jej użycia. Policzyłem, ile to realnie kosztuje.

Raven mówi, że rozpoznaje wnętrza, nie tylko ulice

Serwis 404 Media opisał w tym tygodniu narzędzie Raven, wcześniej działające pod nazwą Geospy. Pierwotna wersja była klasycznym geolokatorem: wrzucasz zdjęcie z zewnątrz, model na podstawie architektury, roślinności, typu słupów energetycznych i kształtu krawężników typuje region, miasto, czasem ulicę. Nowa deklaracja idzie dalej - firma twierdzi, że potrafi wskazać konkretny dom na podstawie jednego zdjęcia zrobionego w środku. Z salonu. Z sypialni. Ze zdjęcia, na którym teoretycznie nie widać nic poza meblami.

Brzmi to jak przechwałka marketingowa i częściowo nią jest, ale mechanizm nie jest magiczny. Wnętrza niosą dużo sygnałów: układ okien i to, co przez nie widać, typ gniazdek, standard wykończenia charakterystyczny dla dekady i dla konkretnego dewelopera, rodzaj grzejników, kąt padania światła wskazujący orientację budynku, a bardzo często po prostu fragment widoku za szybą. Model, który zjadł miliardy zdjęć z ogłoszeń nieruchomości, zna typowe rzuty mieszkań w danym mieście lepiej niż większość pośredników. Dla deweloperskich bloków z lat 2015-2024 powtarzalność układów jest tak duża, że zestaw „okno plus widok plus wysokość sufitu” bywa niemal unikatowym podpisem.

Kluczowe w artykule 404 Media jest to, kto jest klientem: amerykańskie służby. Nie laboratorium akademickie, tylko wydziały policyjne, które dostają narzędzie zdejmujące z nich obowiązek żmudnej analizy i zamieniające go w jedno kliknięcie.

Policzyłem koszt jednego namiaru: 11 groszy za zapytanie

Tu wchodzi moja arytmetyka. Raven nie publikuje otwartego cennika dla osób prywatnych, ale rynek dookoła niego owszem. Komercyjne API rozpoznawania obrazu, na których opiera się większość takich pipeline’ów, kosztują w granicach 1-1,5 dolara za 1000 zapytań przy rozpoznawaniu etykiet i punktów orientacyjnych - tyle wynosi stawka Google Cloud Vision w przedziale do 5 milionów obrazów miesięcznie, czyli 1,50 dolara za tysiąc jednostek według oficjalnego cennika usługi. Zapytanie o geolokalizację wymaga zwykle dwóch do trzech wywołań: wykrycia obiektów, rozpoznania punktu orientacyjnego i dopasowania do bazy.

Liczę: trzy jednostki po 1,50 dolara za tysiąc to 0,0045 dolara, czyli 1,7 grosza przy kursie 3,78 zł. Do tego model multimodalny, który składa wnioski z tych sygnałów w hipotezę adresową - przy typowej cenie rzędu 2-3 dolarów za milion tokenów wejściowych i zdjęciu kosztującym około tysiąca tokenów wychodzi kolejne pół grosza. Doliczam narzut operacyjny, przechowywanie indeksu i marżę dostawcy - u operatorów takich usług bywa ona trzy- i czterokrotna - i dostaję około 11 groszy za jeden namiar, czyli niecałe 3 centy. Dla porządku: to szacunek dolnej granicy kosztu technicznego, nie cena z faktury dla policji, która przy kontraktach licencyjnych jest wielokrotnie wyższa. Ale koszt krańcowy, czyli to, ile kosztuje sprawdzenie jeszcze jednego zdjęcia, to właśnie te grosze.

Dlaczego to ważne? Bo przy koszcie 11 groszy nie ma sensu pytać „czy warto sprawdzić to zdjęcie”. Przy takiej stawce sprawdza się wszystkie. Za 1000 złotych przelatuje się przez 9 tysięcy fotografii. Za budżet jednego służbowego laptopa - przez cały profil średniej wielkości influencera razem z archiwum.

Ile zdjęć dziennie wrzucają Polacy i co to znaczy w praktyce

Zestawmy to z drugą stroną równania. W Polsce z Instagrama korzysta według danych raportu DataReportal „Digital 2024: Poland” około 11 milionów osób, a z Facebooka ponad 20 milionów. Globalne szacunki mówią o kilkuset milionach zdjęć dziennie trafiających na same platformy Meta. Jeśli przyjmę ostrożnie, że statystyczny polski użytkownik Instagrama publikuje jedno zdjęcie lub relację co trzy dni, dostaję około 3,6 miliona zdjęć dziennie tylko z tej jednej platformy i tylko z Polski.

Przeliczam to na pieniądze: 3,6 mln razy 11 groszy to niespełna 400 tysięcy złotych dziennie za zgeolokalizowanie całego dziennego dorobku polskiego Instagrama. Rocznie - około 145 milionów złotych. Brzmi dużo, dopóki nie zestawi się tego z faktem, że nikt nie potrzebuje wszystkich zdjęć. Potrzebuje zdjęć jednej osoby. Profil z trzystu postami to koszt 33 złotych. Tyle kosztuje zbudowanie mapy miejsc, w których ktoś bywa, mieszka i zostawia dziecko w przedszkolu.

„Zapis dotyczący treści wizualnych został w sposób nieuzasadniony pominięty. Zdjęcia i filmy mogą stanowić dane biometryczne, a ich przetwarzanie w celu jednoznacznej identyfikacji osoby fizycznej podlega szczególnym ograniczeniom.”

- motyw 51 rozporządzenia RODO, w którym prawodawca unijny wprost odnosi się do statusu fotografii jako danych osobowych

Co na to polskie prawo i czy nasze służby mają podobne narzędzie

Sprawdziłem polski kontekst i tu jest najmniej jednoznacznie. Nie ma publicznego potwierdzenia, że polska Policja, ABW czy Straż Graniczna korzystają z Ravena, Geospy albo ich bezpośredniego odpowiednika. Nie ma też zaprzeczenia - umowy na narzędzia analityczne dla służb nie trafiają do rejestru umów w czytelnej formie, a zakupy sprzętu i oprogramowania do analizy kryminalnej bywają klasyfikowane. Z poprzednich lat wiemy, że takie rzeczy wychodzą na jaw z opóźnieniem i zwykle nie dzięki transparentności zamawiającego, co pokazała sprawa Pegasusa opisana przez Fundację Panoptykon.

Od strony dowodowej sytuacja jest specyficzna. Polski proces karny stoi na zasadzie swobodnej oceny dowodów z art. 7 Kodeksu postępowania karnego i nie zna sztywnej listy dowodów dopuszczalnych. Wynik działania modelu geolokalizacyjnego nie jest więc automatycznie wykluczony - ale też nie jest dowodem w sensie ścisłym. Jest co najwyżej poszlaką albo materiałem operacyjnym, który trzeba potwierdzić czymś weryfikowalnym: wizją lokalną, billingiem, zeznaniem. Problem w tym, że droga prowadząca od „model wskazał ten blok” do przeszukania u konkretnej osoby bywa krótsza niż droga od przeszukania do udowodnienia, że model miał rację.

W Stanach ten problem już się materializuje. W tym samym odcinku podcastu 404 Media opisano dwie sprawy, które pokazują, w którą stronę to idzie: wyrok sędziego uznający konkretne wyszukiwanie w systemie tablic rejestracyjnych Flock za niezgodne z konstytucją oraz sprawę, w której wygenerowany przez AI film wpłynął na decyzję sądu, a instancja odwoławcza stwierdziła, że materiał niósł „nadmierny ciężar emocjonalny”. Dwa różne mechanizmy, ten sam wzór: narzędzie wchodzi do sądu szybciej niż standardy jego oceny.

Trzy rzeczy, które możesz zrobić w swoim telefonie w pięć minut

To nie jest akapit o abstrakcyjnym prawie, tylko o ustawieniach. Po pierwsze: wyłącz zapisywanie lokalizacji w metadanych zdjęć. W Androidzie to przełącznik w aplikacji Aparat, w iPhonie ścieżka Ustawienia - Prywatność - Usługi lokalizacji - Aparat, opcja „Nigdy”. To blokuje najłatwiejszy wektor, czyli EXIF, który część komunikatorów i chmur przekazuje dalej bez czyszczenia.

Po drugie, i to jest trudniejsze: metadane to dziś najmniejszy problem. Raven nie potrzebuje EXIF-u, bo czyta sam obraz. Jeśli publikujesz zdjęcia z mieszkania, patrz nie na siebie, tylko na tło - widok z okna, charakterystyczny budynek za szybą, numer na klatce w odbiciu lustra, firanka sąsiada. W Polsce, gdzie dominuje zabudowa wielorodzinna o powtarzalnych rzutach, paradoksalnie łatwiej ukryć mieszkanie w bloku niż dom na działce, bo blok ma setki identycznych okien, a dom jeden.

Po trzecie: jeśli masz podstawy sądzić, że twoje dane są przetwarzane przez komercyjne narzędzie geolokalizacyjne, przysługuje ci wniosek o dostęp do danych z art. 15 RODO, a w razie braku odpowiedzi - skarga do Prezesa UODO. Skuteczność wobec firmy spoza UE jest ograniczona, ale sam wniosek zostawia ślad, a UODO nie wypowiedział się jeszcze wprost w sprawie modeli wnioskujących lokalizację z treści obrazu. Takie wypowiedzi zwykle pojawiają się dopiero po pierwszej skardze.

Najtrwalsza zmiana nie dotyczy technologii, tylko domyślnego założenia. Przez dwadzieścia lat działaliśmy w przekonaniu, że zdjęcie bez geotagu jest anonimowe. Przy koszcie 11 groszy za sprawdzenie to założenie przestało być prawdziwe - nie dlatego, że ktoś je obalił naukowo, tylko dlatego, że stało się zbyt tanie, by ktokolwiek je respektował.

Fakty sprawdzone 18 października 2026. Źródła: 404 Media - podcast o Raven/Geospy, cennik Google Cloud Vision API, DataReportal: Digital 2024 Poland, rozporządzenie RODO (tekst polski), Fundacja Panoptykon o nadzorze w Polsce. Przeliczenia własne, kurs 3,78 zł za dolara. Szacunki kosztu jednostkowego oparte na publicznych cennikach API, nie na kontraktach zawieranych przez służby.