斯坦福大学一组研究者们利用人工智能,从数千万张谷歌(Google)街景图中的汽车图片分析出了该区域的人口组成信息,包括选民的政治倾向等。

这一多数成员来自斯坦福大学的研究团队,通过分析某个城市街道上小卡车(pickup truck)和轿车(sedan)的数量来预测该区的选民倾向。如果小卡车数量多,这个城市有82%的概率会是共和党当选;如果轿车多,88%的几率会选民主党。

随着计算机处理数据量的不断增大,人工智能在快速发展——通过大量的“信息阅读”,加上一些规则的设定,计算机就能做出一些“预测”。在本项研究中,计算机“消化“了来自200个城市的逾5000万张谷歌街景图,利用物体识别技术从图片中找出了约2200个电脑判定为汽车的物体。这些汽车占美国汽车总量的8%。然后对这些汽车按照品牌、型号和年份进行分类。

他们开发了一个人工智能工具来从事这项工作,花了不到两周时间完成。如果雇佣一个人,则需要近15年时间才能看完所有的图片。

研究者们使用一个统计学的回归分析算法,分析以往投票和该地汽车类型等数据,找到了汽车类型与当地政治倾向和人文信息之间微妙的联系。

这份研究论文的第一作者、斯坦福人工智能实验室的前女研究员Timnit Gebru说,他们分析出来的结果“准得令人震惊“。比如,该系统”预测“Wyoming的Casper市应该会是共和党当选。按照2008年总统竞选结果,果真如此。

但是她提醒说,这个系统不能代替普查,不过可以作为辅助工具。对于资源紧张的国家,使用这样的工具可以节省一些举办一个全面普查所需的资金。

当然,这项技术的前景远不止是分析汽车图片来“预测”过去的投票历史,Gebru说它的意义在于人文学家将来可以很好的利用大量数据,比如谷歌街景、甚至卫星图片,进行更多有意义的研究。图片和课题也不仅于汽车和政治,可以扩展到比如树木植被等方面。

这份研究近日发表在《美国科学院院报》(PNAS)上。◇

来源:大纪元

2017-12-17