Tehisintellekt aitab tuvastada tänavapiltidelt ebavõrdsuse ilminguid
Sotsiaalsel ja majanduslikul ebavõrdsusel puudub lihtne lahendus, kuid abi võib pakkuda süsteem, mis tuvastab tänavapiltidelt automaatselt ebavõrdsuse ilminguid, vahendab Merit Maarits R2 teadus- ja tehnikauudistes.
Esra Suel ja tema kolleegid Londoni Imperial College'is õpetasid välja tehisintellekti, mille abil tuvastada ebavõrdsust neljas Suurbritannia linnas, kasutades selleks kombineerituna valitsuse statistikat ja Google Street View'ist võetud avalikke pilte.
Tehisintellekti treeniti 525 860 pildiga 156 581 postiindeksi jaotusega piirkonnast üle kogu Londoni koos statistikaga sissetuleku, tervise, kuritegevuse, eluaseme ja elukeskkonna kohta neis piirkondades.
Viiendik andmetest jäeti andmata, et testida, kui täpselt ühtis algoritmi hinnang tegeliku ebavõrdsuse jaotusega Londonis.
Tehisintellekt oli kõige edukam elukeskkonna kvaliteedi ja keskmise sissetuleku erinevuste tuvastamisel, saades mõlema puhul statistilises testis, kus 1 punkt tähendab täielikku kattumist, 0,86 punkti, mis näitas, kui suure täpsusega tema prognoosid vastasid tegelikele andmetele.
Kõige vähem õnnestus sel ennustada erinevusi kuritegevuse ja tervise osas, vastavalt 0,57- ja 0,66-punktilise täpsusega. Ebaõnnestumist kuritegevuse ebatäpsel tuvastamisel selgitasid teadlased nn katkise akna teooriaga (inglise keeles broken window theory), kus visuaalsed märgid, nagu katkised aknad, grafiti ja prügi kogunemine võivad tekitada mulje suuremast kuritegevusest, kuid pole ilmtingimata seotud suurema kuriteomääraga.
Ebavõrdsuse vähendamine
Seejärel kasutas meeskond tehisintellekti sama hinnangu andmiseks Birminghami, Manchesteri ja Leedsi peal, pärast seda, kui oli teda peenhäälestanud väikese hulga (1 protsent) nendes linnades kogutud piltidega. Nendes linnades sai süsteem tulemuseks vastavalt 0,68, 0,71 ja 0,66 võrreldes üldise korrelatsiooniga 0,77 Londonis.
Mõned elukeskkonna tunnused, nagu reostus ja lagunemise tunnused, on otseselt seotud visuaalsete elementidega, mida algoritm võiks ära tunda, kuid teised on vähem, ütles Suel. "See, mida tavaliselt tajutakse ohtlikuna, ei pruugi tingimata korreleeruda tegelike kuriteomääradega," lisas ta.
Tänavapildid võiksid olla abivahend ebavõrdsuse vähendamise poliitikate edukuse jälgimisel, sest neid uuendatakse sagedamini kui mõningaid valitsuse küsitlus- või loendusandmeid.
Meeskond kavatseb nüüd koolitada algoritmi, et tuvastada selle abil ebavõrdsust arengumaade linnades, kus statistilised andmed ei ole nii laialdaselt kättesaadavad.
Toimetaja: Merit Maarits
