神军网 - 军事观察室、军事记实、军事科技:最大最具专业性最多军迷首选的军事类网站
神军网首页 >李飞飞最新论文:用算法判断政治倾向(附论文链接)

李飞飞最新论文:用算法判断政治倾向(附论文链接)

编辑:神军网更新时间:2018-01-14 00:57:08围观:

李飞飞最新论文:用算法判断政治倾向(附论文链接)

翻译 | SHAWN

编辑 | Donna

斯坦福大学的研究人员开发出了一种可以进行观察和学习的算法,他们用这种算法分析了百万张公开的Google街景(Google Street View)图像。经过这种训练后,算法可以识别给定社区的车辆,判断社区居民的政治倾向

从低调奢华的宾利到可靠的家庭休旅车,再到实用的皮卡,美国人深知汽车能反映车主的性格。正如那句西方谚语所说:You are what you drive(人如其车)。斯坦福大学的研究人员将这句谚语的含义延伸到了新的层面——开什么车代表你投哪个党的票

研究人员用可以进行观察和学习的计算机算法分析了数百万张公开的Google街景图像。他们发现,算法可以利用学到的知识研究给定社区的车辆,以此判断该社区居民的政治倾向。

李飞飞最新论文:用算法判断政治倾向(附论文链接)

李飞飞,斯坦福大学计算机科学副教授、斯坦福大学人工智能实验室及视觉实验室主任

这项研究由李飞飞所在的视觉实验室主导。李飞飞表示:

借助唾手可得的视觉数据,我们可以充分地了解我们的社区。相比之下,花费数十亿美元进行普查反而只能获得一点信息。更重要的是,这项研究让人们更加相信我们可以利用廉价易得的视觉数据进行社会研究。

“算法经过训练”,更准确地说,是算法经过自我训练后,可以识别5千万张Google街景图像(拍摄于200个美国城市)中每辆1990年后生产的汽车的车型、型号和出厂年份。

然后,将车型和位置数据分别与当前最全面的人口统计数据库American Community Survey(美国社区调查数据库)及总统选举投票数据作对比,以此估计种族、受教育水平、收入和选民偏好等人口要素。

李飞飞和她的团队发现:汽车、人口统计数据和政治倾向之间存在着某种简单的线性关系。他们11月28日在《美国国家科学院院刊》上发表的论文是这样描述的,这三者之间的社会关系“虽然简单但很重要”。

举例来说,如果某一社区中轿车比皮卡多,该社区的居民有88%的概率会投票给民主党;如果皮卡比轿车多,居民则有82%的概率会投票给共和党。

及时和连续的数据更新

抛开明显的政治影响不说,研究人员认为他们的算法还可以为当前的人口调查数据提供更加及时、更加连续的补充数据。目前,美国社区调查采用的方法是挨门逐户地进行民意调查,这种调查方法昂贵且耗费人力。美国政府每年在这项调查上的花费超过2.5亿美元。并且,即使已经花费如此巨额,数据收集和数据公布之间的时间间隔仍长达两年之久甚至更长,尤其是在小城市和乡村地区。

相比之下,李飞飞等人开发的算法利用免费公开、定期更新的Google街景图像数据库,几乎可以实时生成分析数据。

该论文的第一作者、前斯坦福大学视觉实验室成员Timnit Gebru称:“我并不认为这样的技术可以取代“美国社区调查”,但是可以作为该调查的补充和对数据进行更新。” Gebru现在在微软研究院的人工智能公平、责任、透明性和伦理(Fairness Accountability Transparency and Ethics in AI,FATE))小组担任博士后研究员。

Gebru表示做到这一步并不容易。首先,团队必须为所有1990年后生产的汽车手工构建一个图像数据库,标记每辆汽车的出厂年份、车型、型号、车饰信息,然后训练计算机识别图像中不同汽车之间的细微差别,这些图像的成像质量和拍摄角度并不理想。

分享到微信(扫码手机看)

最新头条

友情链接:快3彩票网  快3投注平台  快3平台  线上快三投注平台  快3投注平台  

免责声明: 本站资料及图片来源互联网文章,本网不承担任何由内容信息所引起的争议和法律责任。所有作品版权归原创作者所有,与本站立场无关,如用户分享不慎侵犯了您的权益,请联系我们告知,我们将做删除处理!