Πόσοι άνθρωποι στη γειτονιά ψηφίζουν το ίδιο κόμμα με σας; Πόσοι έχουν πτυχίο πανεπιστημίου; Πόσα χρήματα περίπου βγάζει ο καθένας;
Ένα νέο σύστημα τεχνητής νοημοσύνης για πρώτη φορά είναι σε θέση να μαντέψει τις απαντήσεις σε όλα αυτά τα ερωτήματα με αρκετή ακρίβεια.
Για να το πετύχει αυτό, αρκεί να τροφοδοτήσει κανείς τους σχετικούς αλγόριθμους με φωτογραφίες δρόμων από το Google Street View και αυτοί, στη συνέχεια, κάνουν τα «μαγικά» τους, προχωρώντας σε εκτιμήσεις για τις πολιτικές προτιμήσεις, το μορφωτικό επίπεδο, το ύψος εισοδήματος κ.ά. για κάθε γειτονιά.
Οι ερευνητές, με επικεφαλής την αναπληρώτρια καθηγήτρια επιστήμης των υπολογιστών Φέι-Φέι Λι, διευθύντρια του Εργαστηρίου Τεχνητής Νοημοσύνης του Πανεπιστημίου Στάνφορντ της Καλιφόρνιας, που έκαναν τη σχετική δημοσίευση στο περιοδικό της Εθνικής Ακαδημίας Επιστημών των ΗΠΑ (PNAS), εργάσθηκαν με 50 εκατομμύρια φωτογραφίες δρόμων, τις οποίες είχαν τραβήξει τα οχήματα της Google σε 200 αμερικανικές πόλεις.
Οι μηχανικοί υπολογιστών χρησιμοποίησαν αλγόριθμους βαθιάς μάθησης και υπολογιστικής όρασης για να προσδιορίσουν τη μάρκα, το μοντέλο και το έτος κατασκευής περίπου 22 εκατομμυρίων αυτοκινήτων που υπήρχαν στις φωτογραφίες, κάτι που επιτεύχθηκε με ακρίβεια για τα μισά οχήματα (52%).
Στο επόμενο στάδιο, άλλοι αλγόριθμοι τροφοδοτήθηκαν με δημογραφικά και εκλογικά στοιχεία και ανέλαβαν να κάνουν εκτιμήσεις με αφετηρία τα αυτοκίνητα και μόνο.
Η τεχνητή νοημοσύνη αποδείχθηκε απρόσμενα ακριβής στις εκτιμήσεις της για το μέσο ύψος του εισοδήματος των νοικοκυριών σε κάθε γειτονιά, το ποσοστό των λευκών, μαύρων και Ασιατών που διαμένουν σε κάθε περιοχή, το μορφωτικό επίπεδο των κατοίκων, αλλά και το πόσοι ψήφισαν για τον δημοκρατικό Ομπάμα και πόσοι για τον ρεπουμπλικανό Μακέιν στις προεδρικές εκλογές του 2008.
Ως εκ τούτου είναι δυνατό να εκτιμήσει κανείς πόσο προοδευτική ή συντηρητική είναι μια περιοχή, ανάλογα με τον τύπο των οχημάτων που βλέπει κανείς συχνότερα παρκαρισμένα σε αυτήν. Για παράδειγμα, όσο περισσότερα επιβατικά αυτοκίνητα «σεντάν» είχε μια γειτονιά, τόσο περισσότεροι κάτοικοι είχαν ψηφίσει υπέρ του Ομπάμα, ενώ όσο περισσότερα οχήματα τύπου «πικ-απ» είχε μια περιοχή, τόσο μεγαλύτερο ήταν το ποσοστό υπέρ του Μακέιν.
Αν ο αριθμός των σεντάν σε μια γειτονιά ήταν μεγαλύτερος από τον αριθμό των «πικ-απ», υπήρχε 88% πιθανότητα η γειτονιά να ψηφίζει Δημοκρατικούς. Αν αντίθετα τα «πικ-απ» ξεπερνούσαν τα σεντάν, τότε υπήρχε 82% πιθανότητα η γειτονιά να ψηφίζει Ρεπουμπλικανούς.
Οι ερευνητές ανέφεραν ότι στο μέλλον, καθώς θα αυξηθούν οι κάμερες στους δρόμους χάρη στα αυτόνομα οχήματα που θα κυκλοφορούν, θα συλλέγονται ολοένα περισσότερα στοιχεία και θα είναι δυνατό ένα σύστημα τεχνητής νοημοσύνης να βγάζει σχετικά συμπεράσματα σχεδόν σε πραγματικό χρόνο.
Ο πρώην επικεφαλής της IEEE Standards Association, Κωνσταντίνος Καραχάλιος, μιλά στην ATHENS VOICE για τη μάχη απέναντι στον αλγοριθμικό εθισμό των παιδιών
Η McKinsey κατέγραψε τα πέντε πιο σημαντικά ευρήματα από τις Κάννες 2026 που αλλάζουν το marketing. Κανένα δεν μιλά για το θαύμα της τεχνητής νοημοσύνης.
17°
