最近，一篇名為《Using Deep Learning and Google Street View to Estimate the  Demographic Makeup of the  US》的論文發布到了arxiv.org上，作為這篇論文的聯合作者之一，李飛飛在她的推特上向公眾推薦了這篇論文。這篇論文主要論述了如何將谷歌街景車搜集來的機動車輛數據，結合機器學習算法，從而估算出本地區人口的特征和組成，甚至這一地區居民的政治傾向。

下面是這篇論文的一些節選內容。

幾千年來，統治者和政策制定者進行全國人口調查，用來搜集人口數據。在美國，最細致的人口調查工作就是“美國社區調差”(ACS)，由美國普查局執行，每年花費10億美元和6500人以上的人力。這是一個勞動密集型數據搜集過程。

最近幾年，計算方法崛起成為解決社會科學領域問題的有效方法。比如用Twitter上的數據預測失業率、使用書里的大量文本分析文化等等。這些例子表明，計算方法可以促進社會經濟領域的研究發展，最終可以詳細、實時地分析人口趨勢，并且成本很便宜。

我們的研究表明，結合公共數據和機器學習方法，可以得到社會經濟數據和美國人的政治傾向。我們的流程里，針對幾個城市耗費少量人力來搜集數據，然后用來預測全美的狀況。

具體而言，我們分析了由谷歌街景汽車在200個城市里搜集來的5000萬張圖片。我們的數據主要是關于機動車輛，因為90%的美國家庭都擁有至少一輛汽車，而且人們對汽車的選擇受到多種人口因素的影響，包括家庭需求、個人偏好和資金等。

基于深度學習的CNN計算機視覺框架，不僅能夠在復雜的街景下識別出汽車，還能鑒定出一系列汽車特征，包括材料、型號和年份。對于一個未經訓練的人來說，汽車之間的不同是難以發覺的。比如，同一型號的汽車，不同年份的在尾燈有微小變化(比如2007產的Honda  Accord和2008年產Honda  Accord)。然而，我們的系統就能夠將汽車分成2657類，每張圖片的分析時間只需0.2秒。該系統可以在2周時間里對5000萬張圖片分類，而一個專業的人類分類員，假設他每張需要10秒時間，將會花費15年的時間完成這個任務。

利用谷歌街景汽車搜集來5000萬張圖片，我們使用圖像識別算法(Deformable Part  Model)來學習自動搜集汽車圖片。搜集每一輛汽車圖片后，我們部署CNN模型，用來進行物體分類，來判定每一輛車的材料、型號、車型和年份。然后，我們根據城鎮名字分類數據庫，劃分到兩個數據庫里。第一個是"訓練庫"，包含了所有名字以A、B、  C開頭的地區，這個數據庫包括了35個城市，訓練產生模型;第二個是“測試庫”，包括所有名字以D、Z為開頭的地區，這個數據庫用來提升模型。

我們總共搜集了2200萬輛(占全美汽車總數8%)汽車的數據，用來準確估算這個地區的收入、種族、教育和投票程式(voting  pattern)。結果顯示出的關系出人意料的簡單和有力。比如，如果在一個城市里15分鐘的車程中，遇到的轎車數量高于卡車數量，那么這個城市傾向于在下屆大選中投票給民主黨(88%幾率);反之則傾向于投票給共和黨(82%)。我們的結果表明，自動系統監測使用良好的空間分辨率，能夠接近實時地監測人口趨勢，可以有效地輔助勞動密集型的調查方法。