Los investigadores ahora pueden hacer predicciones de votación en el vecindario desde las imágenes de Google Street View

En una señal de que las computadoras podrán realizar análisis de imágenes de forma tan fluida como el análisis de texto, un grupo de investigadores de Stanford pudo hacer predicciones precisas sobre los patrones de votación en el vecindario basados ​​en millones de imágenes recopiladas de Google Street View, informa The New York Tiempos . Mientras que otros proyectos académicos han utilizado inteligencia artificial para minar Google Street View para obtener información socio-económica (como Streetchange ), este proyecto es notable debido a la gran cantidad de imágenes que procesó su software AI.

Liderado por Timnit Gebru, científico de visión por computadora de Stanford, el equipo de investigadores utilizó software para analizar 50 millones de imágenes de escenas callejeras y datos de ubicación. Su objetivo era encontrar datos que pudieran usarse para predecir las estadísticas demográficas en el código postal y el precinto (que generalmente contiene alrededor de 1,000 personas) a nivel.

A partir de esas imágenes, pudieron obtener información, incluida la marca y el modelo, alrededor de 22 millones de automóviles, o el 8% de todos los automóviles en el país, en 3,000 códigos postales y 39,000 distritos electorales. Después de cotejar esos datos con información de otras fuentes, incluida la Encuesta de la Comunidad Estadounidense de la Oficina del Censo y los registros electorales de las elecciones presidenciales, los investigadores descubrieron que podían hacer predicciones precisas sobre los ingresos, la raza, la educación y los patrones de votación de un vecindario.

Para que sus algoritmos de IA clasifiquen los autos con precisión, los investigadores lo entrenaron al reclutar a cientos de personas de lugares como Mechanical Turk, así como a expertos en autos, para identificar vehículos en una muestra de millones de imágenes. Al final, su software pudo clasificar automóviles en 50 millones de imágenes en solo dos semanas, una tarea que, según el Times, habría llevado a un experto humano a 15 años en terminar.

En un artículo publicado en las Actas de la Academia Nacional de Ciencias , el equipo escribió que su tecnología puede complementar la Encuesta de la Comunidad Estadounidense, que cuesta más de $ 250 millones cada año. Dado que la encuesta también requiere mucha mano de obra, con los trabajadores yendo de puerta en puerta, eso significa que las áreas más pequeñas con poblaciones de menos de 65,000 a menudo se pasan por alto. A medida que la tecnología mejora, las estadísticas demográficas pueden eventualmente actualizarse en tiempo real, aunque los investigadores observaron que los responsables de las políticas deberán tener cuidado para asegurarse de que los datos se recopilan solo a nivel de la comunidad para salvaguardar la privacidad individual.

Haga clic aquí para más información