Pesquisadores de Stanford combinam Deep Learning e Google Street View para obter dados demográficos
O que o seu carro diz sobre você? E sobre os seus vizinhos? Aparentemente, mais do que você imagina! Pesquisadores da Universidade de Stanford publicaram recentemente artigo que relata como usaram técnicas de visão computacional próprias da Deep Learning a imagens do Google Street View para, a partir dos carros mais comuns em determinada vizinhança, identificar dados demográficos e preferências eleitorais dos moradores dessa vizinhança.
Leia mais
Senso comum, capacidade de adaptação e planejamento: é possível tornar máquinas mais inteligentes do que nós?
Inteligência Artificial Mudando o Jogo
A pesquisa partiu do pressuposto de que, se houvesse um banco de dados grande o bastante dos tipos de carros encontrados em cada vizinhança, seria muito mais fácil e barato realizar levantamentos demográficos e eleitorais. O banco escolhido para testar a hipótese foi o Google Street View, do qual foram analisadas 50 milhões de imagens, de 200 regiões diferentes, para a identificação de 22 milhões de veículos (cerca de 8% do total existente nos Estados Unidos). Para treinar a rede neural convolucional utilizada, visando a identificação dos diferentes tipos de carros, foram acionados tanto especialistas em automóveis recrutados através do site de classificados Craiglist quanto pessoas aleatórias cadastradas no Mechanical Turk (plataforma da Amazon em que seres humanos realizam tarefas mecânicas – como a identificação do modelo de um carro em uma imagem!). Com isso, foram estabelecidas 2.657 categorias, correspondentes a cada carro, caminhão ou van visualmente distinto vendido nos Estados Unidos desde 1990! Isto feito e a rede treinada, ela foi capaz de varrer as 50 milhões de imagens em duas semanas, identificando os 22 milhões de carros com 90% de precisão – tarefa que uma pessoa treinada levaria cerca de 15 anos para executar!
Leia mais
Facebook publica novo algoritmo de rede neurais profundas para tradução
Apple sai na frente com “motor neural” para deep learning no iPhone X
O próximo passo foi o treinamento de um modelo relativamente simples de regressão para, a partir de resultados de levantamentos demográficos anteriores e das eleições presidenciais de 2008, finalmente identificar associações positivas e negativas entre tipos de veículos, dados demográficos e preferências eleitorais. E os resultados foram promissores, com forte associação, por exemplo, entre modelos de veículos e a composição étnico-racial de determinadas vizinhanças, bem como entre os tipos de carros e o voto nos partidos Democrático ou Republicano, indicando o potencial da Deep Learning em mais uma aplicação associada a visão computacional.
Fonte: IEEE Spectrum
