Cómo las imágenes de Google Street View revelan la composición demográfica de los EE. UU.

Cada año, la Oficina del Censo de EE. UU. gasta mil millones de dólares en encuestas a la población. Estas encuestas están diseñadas para desmenuzar la composición demográfica del país preguntando a un grupo representativo de personas sobre su raza, género, educación, ocupación, etc. Este es un ejercicio importante porque brinda una vista panorámica crucial de la población y cómo está cambiando.

Pero no es sencillo. Para empezar, los datos son de una escala relativamente grande: la encuesta principal de la Oficina del Censo, la Encuesta de la Comunidad Estadounidense, brinda resultados para todas las ciudades y condados con una población superior a 65,000. Las áreas más pequeñas no figuran.

Además, encuestar a la población es un ejercicio que requiere mucho tiempo; tanto es así que algunos datos pueden tener cinco años cuando se publican. Y debido a que otros datos son mucho más nuevos, las comparaciones pueden ser problemáticas.

Por lo tanto, a los demógrafos les encantaría tener una forma más rápida, eficiente y de mayor resolución de estudiar a la población.

Ingrese a Timnit Gebru en la Universidad de Stanford y algunos amigos, que han utilizado imágenes de Google Street View para realizar evaluaciones notablemente precisas del desglose demográfico en una amplia gama de ciudades de EE. UU. Su técnica muestra cómo los demógrafos pueden recopilar datos confiables de una manera completamente nueva que complementa y mejora los métodos actuales.

Gebru y compañía comienzan con 50 millones de imágenes de Street View recopiladas por los autos de Google en 200 ciudades estadounidenses. El equipo cree que el tipo de automóvil que posee la gente es un fuerte indicador de su raza, ingresos, niveles de educación, ocupación, etc.

Entonces, Gebru entrenó un conjunto de algoritmos de visión artificial para reconocer automóviles en estas imágenes y luego clasificar cada uno en una de las 2657 categorías diferentes que dependen no solo de la marca y el modelo del automóvil, sino también de su antigüedad. Esto da una idea precisa del valor del automóvil.

En total, clasificaron unos 22 millones de vehículos, alrededor de un tercio de todos los vehículos que circulan por las carreteras de estas ciudades. Y su máquina tardó unas dos semanas en realizar la tarea a una velocidad de unos 0,2 segundos por vehículo. Un experto humano, suponiendo 10 segundos por imagen, tardaría más de 15 años en realizar la misma tarea, dicen Gebru y compañía.

Pero, ¿cómo se relaciona la población de vehículos en un área con la demografía local? Para averiguarlo, el equipo entrenó otro algoritmo de aprendizaje profundo para conocer la correlación entre los tipos de vehículos y los datos del censo de EE. UU. y los patrones de votación de las elecciones presidenciales en cada recinto (un área de aproximadamente 1000 personas). Este conjunto de datos de capacitación consistió en los datos de 35 ciudades.

Luego usaron el resto de los datos para probar el algoritmo de aprendizaje profundo. La pregunta que querían responder era: dado el patrón de vehículos en un área, ¿podría el algoritmo predecir con precisión los datos demográficos registrados en el Censo de EE. UU. y los datos de la votación presidencial?

Resulta que el algoritmo de aprendizaje profundo puede hacer esto notablemente bien. Usando los vehículos de motor clasificados en cada barrio, inferimos una amplia gama de estadísticas demográficas, atributos socioeconómicos y preferencias políticas de sus residentes, dicen.

Por ejemplo, los sedanes están más estrechamente asociados con los demócratas, mientras que las camionetas de cabina larga están más estrechamente asociadas con los distritos electorales que votaron por los republicanos. Descubrimos que al conducir por una ciudad durante 15 minutos mientras se cuentan los sedanes y las camionetas, es posible determinar de manera confiable si la ciudad votó por los demócratas o los republicanos, dicen Gebru y compañía.

Una pregunta importante es qué tan bien coinciden estas conclusiones con las recopiladas por las encuestas de manera convencional. Para averiguarlo, Gebru y compañía compararon sus resultados con los de la propia Oficina del Censo de EE. UU. Datos de la Encuesta sobre la comunidad estadounidense. Y encontraron una fuerte correlación con factores demográficos como ingresos, educación, ocupación, etc. Incluso pudieron hacer predicciones detalladas sobre las preferencias de los votantes a nivel de los distritos electorales, que abarcan a unas 1000 personas.

Es probable que la Encuesta sobre la Comunidad Estadounidense siga siendo el estándar de oro para la recopilación de datos, al menos por el momento. Pero la capacidad de recopilar datos de alta calidad rápidamente con Google Street View tiene un gran potencial para proporcionar un seguimiento casi en tiempo real de los cambios en la población.

Y, por supuesto, Google no es la única organización que recopila imágenes de las calles; no es difícil imaginar que se aplique el mismo proceso a las imágenes de Facebook, Twitter u otras redes sociales que están geoetiquetadas y selladas con la fecha.

Ref: arxiv.org/abs/1702.06683 : Uso de Deep Learning y Google Street View para estimar la composición demográfica de los EE. UU.

esconder