当前位置: 新豪天地登录网址 > www.3559.com > 正文

www.3559.com洞悉小区居民的政治倾向,如何用AI提高

时间:2019-11-06 03:30来源:www.3559.com
参考文献 An artificial intelligence algorithm developed by Stanfordresearchers can determine a neighborhood’s political leanings by itscars,Stanford News Geo Guessr, 猜街景游戏 Using deep learning and Google Street View to estima

参考文献

  1. An artificial intelligence algorithm developed by Stanford researchers can determine a neighborhood’s political leanings by its cars, Stanford News
  2. Geo Guessr, 猜街景游戏
  3. Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States, Timnit Gebru, doi: 10.1073/pnas.1700035114

从这些图像中,他们能够搜集到大约2200万辆汽车(占全国所有汽车的8%),3000个邮政编码和39000个投票区的信息。研究人员将这些数据与包括人口普查局的美国社区调查和总统选举投票记录在内的其他资料交叉引用后发现,他们能够准确预测邻里的收入,种族,教育以及投票模式。

【嵌牛导读】:开车暴露身份,李飞飞团队用 AI 洞悉小区居民的政治倾向

放大手机上的Google地图应用,最终可以看到建筑物的形状。你可以感谢人工智能帮助创建像这样的场景

并不是所有AI都在为应用程序做的事情。近年来,该公司已更多地转向机器学习,以自动密切关注世界不断变化的地理位置,然后更新其在地图上的反映方式。

事实上,谷歌在2015年左右达到了一个拐点,当时它意识到必须改变其保持地图更新的策略,据两位专门与大众科学公司谈话的谷歌地图工作人员表示。Google地图工程总监Andrew Lookingbill将这一时刻描述为“顿悟”。

在200多个国家/地区更新地图很难实现,因此团队不得不从制作地图转向更多元素。“我们需要开始制作制作地图的机器,”Lookingbill解释道。

发生这种情况的方法是通过机器学习算法,这些算法足以拍摄图像 - 就像那些街景汽车或卫星生成的图片 - 从中​​提取所需信息,然后更新地图。该信息可能是诸如道路名称,门牌号或从上方看到的建筑物形状等数据。谷歌之前已经吹嘘过这个话题:2017年的博客文章描述了他们在法国创建一种可以读取街道名称的算法,并提到像这样的算法可以更新地图上的地址。

想象一下,有人建造了一所新房子,还有一辆街景车。“这可能最终会在我们的地图中被搜索,而人类不会在内环中,或者不得不对此做任何事情,”Lookingbill补充道。人工智能分析图像和更新地图的过程就是他所说的“迈向地图变得自我修复的第一步”。

他说,创建建筑大纲是一项任务,其中更好的人工智能大大加快了速度。机器学习算法可以查看卫星图像,然后在Google地图上绘制建筑物的形状。由于这一点,“我们能够将我们在全球范围内建模的建筑数量增加一倍,”戈斯比尔说。这发生在一年的过程中。“为了达到规模感,”他补充说,“我们之前拥有的所有建筑都花了我们十年的时间来绘制地图。” Google在今天发布的博客项目中触及了这一点,该博客项目描述了之前算法创建的构建大纲看起来像“模糊”的方式(帖子还解释了制作地图的一般步骤和数据源)。

其他仍处于“新生”阶段的工作涉及使用AI在地图上根据分析的图像创建新的道路。肖尔比说,“道路综合”让他们“实际上试图根据图像找出我们在地图上没有的道路几何形状。”

对于人工智能算法来说,如创建建筑物轮廓或绘制新的道路,它会使用像自上而下的卫星数据这样的图像; 为了提取街道名称,门牌号码和商业名称等信息,该公司依靠街景。

当然,谷歌地图不是镇上唯一的游戏:我们在6月份注意到苹果正在自己的应用程序中创建更详细的地图,并且当你今年秋季更新到iOS 13时,你会看到体验的变化。

更重要的是,机器学习算法可以训练数据然后完成任务,有时候是超人级,在科技界很常见。这可能涉及一些平凡的东西,例如Yelp使用AI来分析和组织其用户上传的披萨和炸玉米饼图片。人工智能并不仅仅能识别图像中的内容:它还可以执行各种其他操作,例如玩游戏和赢得游戏,无论是扑克,还是魔方。

www.3559.com 1谷歌街景:旧金山居民区,图片版权:谷歌街景

在斯坦福大学计算机视觉科学家Timnit Gebru的带领下,研究人员使用软件分析了近五千万幅街景和位置数据的图像。他们的目标是找到可用于预测邮政编码和分区(通常包含大约1000人)水平的人口统计数据。

作者:郑芳宇班级:1602015学号:16020150082

www.3559.com 2

人工智能算法(Artificial Intelligence Algorithms)能让无人汽车主动识别道路指示牌、行人车辆、道路标线等视觉信息,使用这些信息自动行驶。不过我们换个角度,如果汽车是被识别的对象,会得到什么有趣的结果呢?

www.3559.com 3

作者:极客公园链接:

第一步:部署Google街景车辆。第二步:AI分析图像并更新地图。

如何判断这种方法的效果呢?因为从来没有先前的经验,所以只能跟以前的数据比较,找出相关性。美国有个专门的机构,名叫美国社区调查(American Community Survey, ACS),会对这样的问题做全国调研。通过对比ACS的调查数据和总统选举投票的情况,新方法和老的统计数据有强相关性,这间接证明了新方法的有效性。

据了解,来自斯坦福大学的研究人员们完成了一个雄心勃勃的项目——通过分析谷歌街景(Google Street View)上收集到的数百万张照片,可以对社区投票模式作出准确的预测。这一迹象表明,计算机能够像文本分析一样流利地进行图像分析。

当然,也有人怀疑利用 AI 判别车辆来确定政治倾向的准确性。因为车会不断移动,不同地点、不同时间的车辆停放情况不一样。研究人员表示无需担心这个问题,因为实验中,他们选择街景图像时就已经考虑到了这个问题。大部分采用的街景图像是在凌晨拍摄的,凭此可以保证车辆的位置不会有太大的变化。

  1. 需要花高昂的成本,比如美国社区调查这样的项目,每年要花掉2.5亿美金,还需要大量工作人员登门走访;
  2. 获得结果的周期很长,有时甚至需要几年的时间(大多数时间用在路上了吧,我猜),所以呢,调查完了,社会状况也已经改变了。

在《美国国家科学院院刊》上发表的一篇文章中,研究小组写道,他们的技术可以作为美国社区调查的补充,这项调查每年的花费都要超过2.5亿美元。由于调查也是劳动密集型的,调查员需要挨家挨户地进行调查,这意味着人口少于6.5万的小地区往往会被忽视。随着技术进步,人口统计数据最终可能会实时更新。但研究人员指出,政策制定者需要小心确保数据只在社区层面收集,以保护个人隐私。

据悉,这项技术还计划搭载在谷歌街景的图像数据库上。如果这项技术能够被正式推出,那么用户通过搜索谷歌地图,就可以查看某地区的政治倾向。下次美国总统选举时,候选人们说不定就能用上这个技术,更加「因地制宜」的制定宣传策略。

本文作者将关注接下来的发展。(编辑:Steed)

www.3559.com 4

【嵌牛正文】

www.3559.com 5Google 街景车,图片来源:Pixabay

【嵌牛提问】:驾驶汽车的类别、品牌与政治倾向之间存在什么关系?

还有其他因素需要考虑么?有的。

www.3559.com 6

研究人员首先利用机器学习,分析了 200 个美国城市 5000 万张 Google 街景图片中的数百万辆汽车,并按汽车品牌分成了 2657 个种类。随后,研究人员将这些汽车数据与美国最大的人口数据库、美国社区调查和总统选举投票数据,以及种族、教育、收入和选民偏好等人口因素进行对比。研究结果显示,驾驶汽车的类别、品牌与政治倾向之间存在简单的线性关系。

但新方法也有明显的缺点。单单依靠一个人开什么车就判断它的政治倾向也太武断了吧!因为这样的原因,新方法不应该直接替代旧方法,不过它有继续挖掘的潜力。

在新近发展的人工智能技术的帮助下,研究人员能够分析大量的图像、提取可以进行排序和挖掘的数据来预测一些事情,比如某个社区的收入水平、政治倾向、购物习惯等。

俗话说,看你开的什么车就知道你是什么样的人。现在,斯坦福大学副教授李飞飞和她的团队,把这句俗语带到了一个新的高度——只要看看当地的汽车品牌数据,就可以确定这个社区的政治倾向,是左还是右。

  1. 准备15,000 张不同车型不同角度的照片,人工分类和标注制造商、车型、生产日期、驾车人的投票倾向;
  2. 准备谷歌街景的照片,200 个不同城市,共50,000,000 张;
  3. 让AI算法自动将街景照片对应到已经分类好的车型上,这个算法的原理和无人汽车识别道路指示牌的原理是一样的;
  4. 统计识别出来的车型数据,对应到不同的城市,得出结果。

【编辑推荐】

值得一提的是,除了用于观察某一社区的政治倾向外,李飞飞和她的团队还设想使用图像识别技术,来完成一些通过人力难以进行的工作,比如监控二氧化碳水平或通过数据分析调控车辆、缓解交通堵塞。

那是否能用新方法替代老方法呢?

虽然其他学术项目早已开始使用人工智能挖掘谷歌街景来获取社会创见的见解,如街道变化,但是此项目值得注意是因为在整个过程中,AI软件处理了大量图像。

【嵌牛鼻子】:开车 AI 政治倾向

  1. 是否已经有政府部门考虑使用这一技术了?效果如何呢?
  2. 是否有类似的技术被开发出来呢?

为了让他们的人工智能算法准确地对汽车进行分类,研究人员通过招募来自Mechanical Turk等地方的数百人以及汽车专家来对其进行训练,以识别出数百万张图片中的汽车。最终,他们的软件能够在短短两周内对5000万张图片中的汽车进行分类。《纽约时报》称如果是人类完成这项任务的话,至少需要15年的时间。

例如,如果一个社区附近的轿车数量多于皮卡,那么该地区的居民有 88%的可能会投票给民主党。如果轿车少于皮卡,该地区的居民则有 82%的可能会投给共和党。

现有的人口调查方法有两个问题:

我们看到这样的方法将本来只能用于个体的知识,扩展(Scaling)到更大范围的群体。

走访调查不能排除掉个人偏见导致的统计偏差。比如被调查者不愿公开自己的情况或者说谎;调查者无法到治安差的地方做登门调查。这些因素应该被考虑进去。但是仔细想想,即便考虑到这些问题,如何测量,如何量化呢?本来就没办法统计到,必然也没办法放到统计公式里面计算。而且这类问题是所有问卷调查共有的,并不只是人口统计才会遇到。很多网络调查已经从问卷调查转变成监控用户行为了,当然这种方法应该获得用户同意。

  1. 新方法直接使用网上公开的数据,谷歌街景是免费的,AI算法也有现成的,这篇论文也能免费下载到;
  2. 人工标注那些汽车可能比较花时间,但标注完可以重复利用,也不会要几个月的时间才能完成这个任务。人工智能算法可以说是秒出结果,而且即便搞错了,重来的成本也很低;

具体如何操作呢?以下是这个实验的菜谱:

新的方法是否能弥补这些问题呢?

街景车理所当然得能拍到许多道路上的汽车,要是和上面的常识结合,是不是能预测一个城市或者一个镇子的投票倾向呢?比如,按照上面的例子推演,如果一个镇子的轿车比皮卡多,那这里的人给民主党投票的概率会很高,反过来得到另一种结论,逻辑简单清楚。

谷歌街景(Google Street View)让你坐在家里就能漫步于城市,拍摄用的街景车差不多是一个头顶安装了360度相机的汽车。有些人用谷歌街景旅行,有人用它规划假期路线,有人做了“猜街景”的游戏。而斯坦福的AI工程师则尝试用它预测美国的投票情况。

美国人拥有私家车的比例很高,除了可以用来判断主人的富裕情况外,汽车也能判断一个人的政治观点和投票倾向。比如,买轿车的人倾向于投票给民主党,而买皮卡的人倾向于投票给共和党。

虽然论文的正式发表时间是2017年11月28日,但是作者早在2017年2月就将预印本发表在网上了,所以还有两个疑问等待解答:

编辑:www.3559.com 本文来源:www.3559.com洞悉小区居民的政治倾向,如何用AI提高

关键词: www.3559.com