Autócenzus
Ha a szedánok száma egy amerikai városban meghaladja a kisteherautókét, akkor a település a következő elnökválasztáson jó eséllyel a demokraták felé húz majd, fordított esetben a republikánusokhoz. Az amerikai tudományos akadémia közlönyében (PNAS) megjelent minapi tanulmányban a mesterséges intelligencia kutatói ezen túl azt is állítják, hogy az utcán parkoló autók elemzéséből – a pártpreferencián túl – képesek jó eséllyel belőni az ott élők jövedelmi viszonyait, bőrszínét és iskolai végzettségét is. Ehhez a Google által készített utcaképeket futtatták át egy algoritmuson, amelyet előtte egy kisebb mintán készítettek fel: egy-egy környék ismert népszámlálási adatait – bőrszínt, jövedelmi viszonyokat, iskolai végzettséget – összevetették az arrafelé parkoló autókkal, majd megpróbáltak összefüggéseket találni. A mélytanulással (vagyis az átnézett számtalan példa alapján levont következtetések révén) fejlődő algoritmus több mint 2600 kategóriába sorolta a járműveket. 200 amerikai városból 50 millió fotót nézettek át vele, és úgy találták, hogy különösen jó aránnyal becsülte meg a lakók bőrszínét és jövedelmi viszonyait, de még a végzettséget illetően is nagyjából kétharmados pontossággal dolgozott. Ez azért figyelemre méltó, mert a hagyományos éves népszámlálások – 250 millió dolláros költséggel – a háztartások 1,6 százalékát kérdezik csak végig, és évekig tart az adatok összesítése, míg ezúttal az összes amerikai autó 8 százalékát vizsgálta meg a program fillérekből, és szinte azonnal jöttek az eredmények. A kutatók elismerik, hogy a módszer etikai kérdéseket is felvet: ha ilyen könnyű az autók alapján jövedelmi vagy etnikai következtetésekre jutni, akkor mi gátolhatja meg a biztosítótársaságokat vagy a bankokat, hogy az utcaképek alapján árazzák be a kuncsaftokat, a szolgáltatásokat?
