Dit valg af bil fortæller meget, om hvem du er.
Det argumenterede den danske sociolog Henrik Dahl allerede for i 1998, da han udgav bogen “Hvis din nabo var en bil”.
Og nu har forskere fra det amerikanske universitet Stanford University udviklet en kunstig intelligens-algoritme, der på baggrund af folks valg af bil kan identificere den fremherskende politiske holdning i et givent område.
Forskerne har brugt frit tilgængeligt billedemateriale fra Google Street View til at identificere biler på gader og stræder, og efterfølgende er data blevet blevet sammenlignet med valgdata og andre demografiske data fra hvert område.
Klar sammenhæng mellem biler og politik
Stanford-forskerne fandt ud, at der er en klar sammenhæng mellem biler, demografi og folks politiske overbevisninger.
Eksempelvis fandt forskerne ud af, at hvis antallet sedaner overstiger antallet af pickup-trucks i et kvarter, så er der 88 procent sandsynlighed for, at et flertal af indbyggerne vil stemme på Det Demokratiske Parti.
Er der derimod flere pickup-trucks end sedaner, er der 82 procent sandsynlighed for, at et flertal vil stemme på Det Republikanske Parti.
Læs også: Kunstig intelligens skal løse 73 år gammelt nazi-mysterium
Kan spare milliarder af dollar
Ifølge Fei-Fei Lei, der er professor ved Stanford University og leder af Stanford Artificial Intelligence Lab, beviser undersøgelsen, at der er et stort uudnyttet potentiale i de mange data, der allerede i dag ligger frit tilgængeligt på internettet.
“Ved hjælp af let-tilgængelig visuelle data, kan vi lære utroligt meget om vores lokal-miljøer. Viden som det ellers ville kræve opinionsundersøgelser for milliarder af dollar at få adgang til,“ siger hun til Stanfords Universitys hjemmeside.
Kan identificere bil-mærke, model og år
Ifølge Stanford Universitys hjemmeside er algoritmen trænet til at kunne identificere en bils mærke, model samt model-året på alle biler, der er produceret siden 1990.
Forskerne startede med en database på knap 15.000 biler fra bilsalgs-portalen Edmunds.com.
Den database udgjorde dog blot fundamentet.
For efterfølgende har menneskelige eksperter finjusteret algoritmen ved manuelt at kategorisere bilerne ned til den mindste detalje, og forskerne måtte her sande, at det ofte blot er meget små forskelle, der afslører bilens model-år
Da algoritmen blev taget i brug sorterede den bilerne på i alt 50 millioner Google Street View-billeder og placerede dem i 2.657 forskellige kategorier.
Det tog algoritmen 14 dage at udføre sorteringsarbejdet, og ifølge Stanfords hjemmeside vil det have taget et menneske seks år at udføre samme arbejdsopgave. Forudsat at vedkommende var i stand til at gennemgå seks billeder i minuttet.
