Skip to main content

Εκλογικές έρευνες μέσω εικόνων του Google Street View

Ερευνητές του Stanford University ανέλυσαν 50 εκατομμύρια εικόνες και δεδομένα τοποθεσίας από το Google Street View για να καταλήξουν σε μια σειρά ενδιαφερόντων συμπερασμάτων σχετικά με το εκλογικό προφίλ και τα χαρακτηριστικά των κατοίκων των περιοχών που βρέθηκαν στο «μικροσκόπιό» τους- μεταξύ αυτών, στο ότι στις περιοχές που «ελέγχουν» οι Ρεπουμπλικάνοι προτιμώνται, από άποψης αυτοκινήτων, τα ημιφορτηγά, και σε αυτές των Δημοκρατικών τα σεντάν.

Όπως αναφέρουν οι New York Times, για πρώτη φορά, χάρη στις πρόσφατες εξελίξεις στην τεχνητή νοημοσύνη, είναι δυνατή η ανάλυση μεγάλων όγκων φωτογραφιών για εξαγωγή συμπερασμάτων ως προς το εισόδημα, τις πολιτικές αντιλήψεις και τις καταναλωτικές συνήθειες των πολιτών. Στο πλαίσιο της μελέτης του Stanford, υπολογιστές συνέλεξαν δεδομένα και λεπτομέρειες σχετικά με αυτοκίνητα από εκατομμύρια εικόνες που επεξεργάστηκαν- περιλαμβανομένων μοντέλων κ.α. «Ξαφνικά μπορούμε να κάνουμε το ίδιο είδος ανάλυσης με εικόνες, όπως μπορούσαμε να κάνουμε και με κείμενο» σχολιάζει ο Ερέζ Λίμπερμαν Άιντεν, επιστήμονας υπολογιστών του Baylor School of Medicine που είχε συμμετοχή στο εγχείρημα του Stanford.

Το κείμενο ήταν «παραδοσιακά» πιο εύκολο για την τεχνητή νοημοσύνη, επειδή οι λέξεις αποτελούνται από συγκεκριμένους χαρακτήρες (γράμματα). Στην περίπτωση των εικόνων τα πράγματα είναι πολύ πιο δύσκολα, ωστόσο η τεχνολογία αναγνώρισης εικόνας έχει εξελιχθεί πολύ τα τελευταία χρόνια, και η έρευνα τουStanford δίνει μια γεύση για το τι έρχεται στο μέλλον, συνδέοντας τα μοντέλα, τα έτη κατασκευής κ.α. δεδομένα για τα αυτοκίνητα με πληροφορίες από άλλες πηγές (μόλυνση, εκλογική συμπεριφορά κ.α.).

«Αυτού του είδους η κοινωνική ανάλυση, μέσω δεδομένων από εικόνες, είναι ένα νέο εργαλείο για την εξαγωγή συμπερασμάτων» λέει η Τίμνιτ Γκέμπρου, που ηγήθηκε της έρευνας. Όσον αφορά στο συγκεκριμένο πρόγραμμα, περιελάμβανε 50 εκατ. εικόνες δρόμου από το Google Street View, στις οποίες ταυτοποιήθηκαν 22 εκατ. αυτοκίνητα και ταξινομήθηκαν σε πάνω από 2.600 κατηγορίες. Η όλη διαδικασία ταξινόμησης διήρκεσε δύο εβδομάδες, τη στιγμή που ένας άνθρωπος θα χρειαζόταν πάνω από 15 χρόνια.