Výsledky voleb lze odhadnout podle aut. Fei-Fei Li, ředitel laboratoří umělé inteligence na Stanfordu, Timnit Gebru z Microsoft Research a jejich kolegové předvedli, co všechno lze získat z veřejně dostupných dat. Pomocí strojového učení vytrénovali algoritmy, aby z fotografií Google Street View dokázaly odhadnout převažující politický profil obyvatel dané oblasti.
Hlavním využitým zdrojem informací se stala značka aut („jste tím, co řídíte“), nicméně jistě by si šlo všimnout i jiného prvku a z něj odvozovat další sociodemografické charakteristiky. Jistě by se tak daly ušetřit hromady peněz, které se jinak vynakládají za všemožné dotazníkové průzkumy a sčítání lidu, i když autoři výzkumu pokládají svůj přístup spíše za doplnění než za nahrazení klasických statistických šetření. Navíc výsledky klasických průzkumů bývají zveřejňovány se zpožděním a provádějí se jednou za x let; takhle by šlo výsledky aktualizovat podle potřeby (respektive stejně jako Google Street View).
Algoritmy se naučily v každém z více než 50 milionů fotografií z více než 200 amerických měst rozpoznat značku, model a rok výroby každého automobilu vyrobeného po roce 1990. To samo o sobě bylo docela náročné, protože fotografie na Street View jsou pořizovány pod různými úhly a vozy bývají často viditelné jen částečně; Fei-Fei Li se ovšem současně zabývá i počítačovým viděním. V další fázi se značky automobilů korelovaly proti známým výsledkům amerických prezidentských voleb a dalšími demografickými daty (složení obyvatelstva podle rasy, vzdělání, příjmů…).
Podle studie publikované v Proceedings of the National Academy of Sciences se závislosti mezi automobily a charakterem čtvrti ukázaly být jednoznačné a celkem jednoduché (kde sedany převládají nad pick-upy, bude okrsek na 88 % hlasovat pro demokraty, v opačném případě na 82 % pro republikány apod.). Kritici výzkumu na počátku argumentovali, že snímky Street View se pořizují v různých denních časech, lidé auty jezdí do práce a zase domů, takže data kvůli tomu budou plná šumu. Nicméně auta Googlu fotografující pro Street View obvykle jezdí ráno, aby ulice byly co nejprázdnější. Navíc nějaké informace lze vyčíst i z toho, jak je v jednotlivých oblastech doprava zahuštěná.
Jako nový směr výzkumu navrhují autoři využití příslušných informací o automobilech (kolik jich kde stojí apod.) rovněž k optimalizaci dopravy.
Zdroj: TechXplore.com
