机器学习+谷歌大数据，两周搞定美国人口普查？ | 新知

经济学人集团 · 公众号 · 国际 · 2017-03-21 18:28

正文

点击关注“经济学人”，欢迎订阅并置顶

请输入标题 bcdef

机器学习和大数据正在为费时费力的人口普查工作提供新的计算模型，一个来自斯坦福的研究小组在两周时间内便对美国各城市做了一次粗略的概率性普查。

请输入标题 abcdefg

传统人口普查耗时费力，代价不菲。以美国一项名为“美国社区普查”的社会经济调查为例，它每年要花费数亿美元，历经五年时间才得出结果。现在，借助强大的计算机、机器学习算法和谷歌收集的海量数据，斯坦福大学的蒂姆尼特·盖布鲁（Timnit Gebru）率领的研究小组找到了一个相对低廉快捷的方法，在两周时间内便对美国各城市做了一次粗略的概率性普查。

首先，研究人员训练其机器学习模型识别众多不同类型的汽车，之后便开始自行分析“谷歌街景”从美国200个城市收集到的5000万张图片，并将所发现的汽车自动归类。研究人员总共发现了2200万辆不同的汽车，约占美国汽车保有量的8%。接着，研究者从传统的人口普查中提取数据，将其分为两部分，一半输入到机器学习算法中，让算法寻找汽车与当地收入水平、种族及投票意向等因素的相关性。之后，用另一半数据来测试算法。

可喜的是，在算法没有接触到的社区里，这些相关性同样成立。也就是说，某地区的汽车类型确实可以成为反映居民教育水平、政治倾向性等各方面信息的可靠指标。例如，如果在一个社区内见到的轿车比皮卡多，这个区的民众就很可能倾向投票给民主党。

盖布鲁的系统生成的是一种预测、而非事实，因此不太可能取代传统的人口普查。但它确实要便宜快捷得多。随着无人驾驶汽车的流行，它们的摄像头、雷达等设备将追踪周围环境，不断生成更大的数据集。

随着大数据不间断的积累，人工智能系统也将以人力难以企及的速度不断更新计算与预测。欢迎订阅商论App，阅读三月刊文章《社区瞭望》（一键切换，双语阅读）