Un grupo de investigadores estadounidenses ha analizado 50 millones imágenes de Google Street View a través de un sistema de inteligencia artificial que les ha permitido conocer, con solo observar los coches de cada colonia, aspectos socioeconómicos de sus habitantes como sus ingresos medios, su nivel educativo e incluso cuáles son sus preferencias a la hora de votar en las próximas elecciones.
Por Aroa Fernández
España/Ciudad de México, 4 de diciembre (ElDiario.es/SinEmbargo).– Las nuevas tecnologías han hecho que visitar casi cualquier calle del mundo sea tan fácil como acceder a Google Maps y recurrir a la vista de Street View desde nuestro ordenador o dispositivo móvil. Ya sea para buscar un establecimiento, ver un monumento, planificar una ruta en coche o simplemente echar un vistazo a los entresijos de una lejana ciudad, quien más y quien menos ha entrado alguna vez en este servicio que Google ofrece desde hace ya una década. Ahora bien, hay algo que, aunque muchas veces obviamos, siempre suele estar presente en las imágenes de ciudades de Street View: los coches.
Algunos pasaban por allí en el mismo momento en que el vehículo de Google grababa las imágenes, a otros se los ve estacionados. Sea como fuere, todos ellos forman parte del paisaje urbano que Street View nos ofrece de cada rincón del planeta. Algo que ahora unos investigadores estadounidenses han querido aprovechar para averiguar quiénes son las personas que viven en esos barrios con solo ver sus coches. Para ello, han utilizado un sistema de inteligencia artificial con el que identifican los vehículos, los clasifican y, después, establecen relaciones con antiguos datos demográficos del lugar.
Así, no solo han podido determinar cuestiones obvias como cuáles son los barrios de ricos según los coches aparcados, sino también predecir cuestiones a futuro como sus intenciones de voto en las siguientes elecciones. Comprobaron, entre otras cosas, que si el número de berlinas en una ciudad era más alto que el de camionetas ‘pick-up’ (con una zona de carga descubierta en su parte trasera), sus habitantes eran más demócratas que republicanos.
Es decir, los propietarios de vehículos familiares serían más propensos a ideas progresistas y de centroizquierda, mientras que los dueños de automóviles destinados al transporte de mercancías estarían más cercanos al conservadurismo.
ANALIZANDO MILLONES DE IMÁGENES
El equipo de investigación, compuesto en su mayor parte por expertos en inteligencia artificial de la Universidad de Stanford, comenzó por seleccionar los lugares que iban a ser analizados. Escogieron 200 ciudades norteamericanas de las que usaron 50 millones de imágenes extraídas de Google Street View.A partir de ahí, utilizaron una técnica de reconocimiento de objetos para distinguir los vehículos de los que no lo eran.
Sus algoritmos consiguieron reconocer 22 millones de coches que era necesario clasificar. Para cada tipo de automóvil utilizaron metadatos tales como la marca, el modelo, el año o el precio, dando lugar a casi 3.000 opciones diferentes.
“Demostramos que, a través del ‘deep learning’, es posible no solo reconocer vehículos en una escena de calle compleja, sino también determinar de forma confiable una amplia gama de características del vehículo, incluyendo marca, modelo y año”, afirman en su estudio, publicado en la revista de la Academia Nacional de Ciencias de Estados Unidos (PNAS).
Para ello, entrenaron una herramienta de inteligencia artificial basada en redes neuronales convolucionales (también conocidas por sus siglas en inglés, CNN), las cuales imitan el trabajo que hace nuestro cerebro ante cualquier información visual. Así la red artificial analizó los millones de imágenes en solo dos semanas. Esta misma hazaña le hubiera llevado a cualquier humano alrededor de 15 años, según el propio estudio.
Ante este avance, los investigadores recuerdan que Estados Unidos gasta anualmente más de 250 millones de dólares (unos 210 millones de euros) en realizar la conocida Encuesta sobre la Comunidad Estadounidense (ACS) de la Oficina del Censo, con la que se recopilan a gran escala las características demográficas, sociales, económicas y de vivienda de la población del país. “Aunque es una fuente de datos muy completa, el desfase entre los cambios demográficos y su aparición en el ACS puede superar varios años”, aseguran.
Ahora, gracias a este nuevo método de predicciones, creen que podrían dar apoyo a la mayor encuesta de Estados Unidos y así ayudar a establecer predicciones mucho más rápidas.
DE VER UN COCHE A SABER A QUÉ PARTIDO VOTAN
Los autores del estudio también tuvieron que averiguar cómo el tipo de automóvil se podía asociar con factores tan curiosos como las tendencias políticas del área. Para eso, utilizaron el análisis de regresión, una herramienta matemática y estadística que permite estimar las relaciones entre variables.
En su ensayo usaron datos del censo y utilizaron resultados de las elecciones de 2008 que dieron como ganador al demócrata Barack Obama frente al republicano John McCain como indicador del mundo real.
Además, estableciendo diferentes correlaciones con la información censal, el estudio también pudo encontrar otras curiosidades como que las personas de ascendencia asiática son más propensas a conducir automóviles del mismo origen, como Honda o Toyota, o que la marca Chrysler es más propia de los afroamericanos, mientras que los europeos instalados en Estados Unidos prefieren camionetas y coches Volkswagen o Aston Martin.
La ingeniera Timnit Gebru, una de los autoras del estudio, asegura que se trata de un nuevo tipo de herramienta que los sociólogos pueden aprovechar para gestionar una gran cantidad de datos, como las imágenes de Google Street View. Además, cree que los investigadores podrían relacionar otros datos como el número, el tipo y el estado de los árboles con, por ejemplo, la salud pública.
Técnicas como la inteligencia artificial y el ‘big data’, entre otras, se han destapado en los últimos años como “una herramienta prometedora para abordar problemas difíciles en las ciencias sociales”, señalan en la investigación. Por ejemplo, el profesor Antenucci y su equipo en Cambridge han pronosticado tasas de desempleo a partir del comportamiento de los usuarios de Twitter, mientras que investigadores de la Universidad de Washington y California utilizaron metadatos de teléfonos móviles para predecir las tasas de pobreza en Ruanda.
Todo ello podría ser una muestra de que nos acercamos al fin de las encuestas tal y como hoy las concebimos. El día de mañana podría ser una inteligencia artificial la que se encargue de recopilar y analizar datos para predecir quién será el próximo alcalde o presidente con solo ver los coches que se mueven por la ciudad.
