출처 : http://jp.techcrunch.com/2018/01/02/2018-01-01-researchers-can-now-make-neighborhood-voting-predictions-from-google-street-view-images/
컴퓨터에 의한 화상 분석이 텍스트의 분석만큼 잘 될 징후 또는 스탠포드의 연구자 그룹이 Google 스트리트 뷰에서 수집 한 수백만의 이미지를 기반으로 인근 사회의 투표 패턴을 정확하게 예상 할 수있는, 그리고 The New York Times가 보도했다 . 인공 지능을 이용하여 Google 스트리트 뷰를 사회 경제학적인 목적으로 분석하는 연구 프로젝트는 Streetchange 등 과거에도 있었지만, 이번 프로젝트는 대량의 이미지를 AI 소프트웨어가 처리 할 점 이 새롭다.
연구의 리더는 스탠포드 컴퓨터 비전의 과학자 Timnit Gebru, 그리고 연구팀은 소프트웨어를 사용하여 5000 만 점의 거리 이미지와 위치 데이터를 분석했다. 목표는이 zip 코드로 표시되는 지역과 하나의 도시 지역 (유권자 인구 1000 명 정도) 주민의 다양한 특성 정보를 예상하는 데 사용할 수있는 데이터를 찾을 수있어.
그리고 그 이미지에서 그들이 얻을 수있는 정보는 약 2200 만대 (미국 전체의 약 8 %)의 자동차 메이커와 차종과 연식 3000 종의 zip 코드, 그리고 39000 선거구이다. 그 데이터를 인구 조사와 대선 투표 기록 등 다른 소스로부터 얻은 정보와 사귀게시킴으로써 각 인근 사회의 평균 소득과 인종 구성, 교육, 그리고 투표 패턴을 정확하게 예상 할 수 했다.
예를 들어 AI가 자동차의 분류를 할 수있게되고, 팀은 Mechanical Turk 등에서 모은 수백 명의 인간과 자동차 전문가를 사용하여 수백만의 이미지의 자동차를 식별 할 수 있도록 훈련했다 . 그 결과 그들의 소프트웨어는 5000 만 이미지 중 차량을 2 주만에 분류 할 수 있었지만 Times의 기사에 따르면, 그것을 만약 자동차 전문가 인 인간이 어떻게하면 15 년은 걸릴 것 같다.
국립 과학 아카데미 회보에 실린 기사 에 따르면 팀은 자신들의 기술이 매년 2 억 5000 만 달러를 걸고있다 인구 조사를 보완하는 것이다라고 주장하고있다. 인구 조사는 조사원의 호별 방문 방식으로 노동 집약적이며, 인구 65,000 미만 같은 작은 지역은 간과되는 경우도 많다. 기술의 진보와 함께 인구 통계는 실시간으로 업데이트되게 될지도 모르지만, 그러나 연구자들에 따르면, 개인의 프라이버시를 보호하기 위해 데이터의 수집은 커뮤니티 수준으로 억제해야한다고한다.