放大
缩小
默认
你有没有经历过“嘴上说着不要，身体却很诚实”的时刻？譬如，嚷嚷着要减肥，却伸手拆了一袋薯片；定下了一长串书单，却舍不得放下手机……
这种“口是心非”在无形之中给社会调研工作造成了极大的阻碍。2016年的美国大选就是最好的例子，虽然当时大部分民调结果显示希拉里领先，但最终入主椭圆形办公室的却是特朗普。
但是，谷歌却利用自己的街景功能正确预测到了投票结果。近日，斯坦福大学视觉实验室在《美国科学院院报》（PNAS）上发表了一篇“人工智能在人口统计学中应用”的论文。研究人员通过算法分析了5000万张谷歌街景中的汽车信息，以此来了解相应社区以及城市的政治、经济情况。
出卖你的是汽车
没错，出卖选民真实想法的正是他们的汽车。
10年前，美国记者杰伊·兰姆撰写过一本畅销书《人如其车》（You Are What You Drive）。兰姆称，通过一个人的汽车能够推断出他的一些社会属性和性格：开沃尔沃的人往往措辞谨慎，十分注重政治正确；喜爱美式肌肉车的人有着强烈的“车型忠诚度”，而且对雪佛兰品牌有极大的好感。
斯坦福大学视觉实验室最近披露的这项研究再度验证了“人如其车”的结论。这项研究由谷歌人工智能与机器学习领域的首席科学家李飞飞领导，实验室选择了美国200个人口最密集的城市，通过建立人工智能算法来识别在5000万张谷歌街景中出现的车辆信息。
为了提高算法判断的准确性，斯坦福大学从Edmunds.com等汽车销售网站中获取了1.5万辆汽车的细节照片，建立了从1990年开始销售的所有车型数据库。“收集和标注车辆的微小差别是研究中最痛苦的环节。”项目组成员蒂姆尼特·格布露称：“2007年和2008年的本田雅阁之间的差异只是尾灯造型上一些几乎难以察觉的变化。一旦完成车辆标注，后面的工作就顺畅多了。”
2周 V.S. 15年
数据库建立后，人工智能算法仅花费了两周的时间就完成了对5000万张图像中22万辆汽车按照品牌、型号和年份进行分类工作。如果只让一个人来分类，需要花费15年时间才能完成。
斯坦福大学视觉实验室用整理好的数据与当前最全面的人口数据库、美国社区调查和总统选举投票数据进行了比较，发现汽车、人口统计学和政治倾向之间存在着简单的线性关系。
例如，如果一个社区的轿车数量远大于皮卡数量，那么该地区有88％的可能性会投票给民主党。如果皮卡的数量大于轿车，则该选区投票给共和党的可能性是82％。
研究还发现，在美国，最环保的城市是佛蒙特州，而芝加哥是贫富差距最悬殊的城市，昂贵的跑车和廉价车辆都拥堵在街头。纽约则成为人均车辆价格最高的城市。
通过公开并定时更新的谷歌街景数据，人工智能算法可以接近实时地生成分析结果，在节省调查费用的同时提高效率。研究人员表示，这套算法可以为当前的人口统计调查提供更及时和持续的补充。美国每年花费在上门社区调查方面的费用高达2.5亿美元。但结果和实际情况之间有两年，甚至更久的延迟，小城市和农村地区情况更糟。
最理解人类的是AI
其实，早在斯坦福大学研究之前，就有网友想到了用谷歌街景照片来对城市进行研究。有人在社交网站Reddit上抛出了一个问题：“你能在谷歌街景上找到的最脏乱差、最危险的街区有哪些？”这一问题吸引了3341名网友前来回答，最终斯洛伐克的Luník IX街区成为票选最多的街区。在那个时候，用户只能自发地寻找图片来进行比较。随着人工智能与图像识别技术的发展，算法开始逐步引入到对谷歌街景的分析中。
去年5月，哥伦比亚大学也开发了一套计算机视觉系统，能够测量谷歌街景中街区建筑的外观变化，并得出建筑外观和社区教育，以及与人口密度有直接关联的结论。
在解决商业问题和社会问题方面，人工智能结合大数据已经被证明是一种极其高效的研究方法。李飞飞表示：“这套计算机视觉技术系统可以帮助我们理解社会如何运作、人们需要什么，以及如何改善生活。譬如，监测二氧化碳水平和缓解交通堵塞，我相信潜力将会非常巨大。”
放大
缩小
默认