Dimmi cosa guidi e ti dirò chi voti

Il pick-up è repubblicano, la berlina democratica. Pregiudizi? No, risultati di indagini statistiche, nemmeno tanto sorprendenti se si pensa a come per decenni ricerche di mercato e sondaggi a sfondo sociopolitico abbiano associato taluni prodotti a determinate classi sociali e alle rispettive preferenze di voto. Un progetto condotto dalla Stanford University ha portato alla medesima conclusione, ma seguendo un iter differente.

Un sistema di intelligenza artificiale ha analizzato circa 50 milioni di immagini prelevate dal database di Street View, individuando le automobili immortalate dalle Google Car durante il loro passaggio. Incrociando queste informazioni con quelle relative ai risultati alle urne registrati in una determinata area in occasione delle ultime elezioni è possibile stabilire quali vetture associare ai sostenitori di una fazione piuttosto che a quelli di un’altra. Un metodo poco interessante se si guarda al passato, ma potenzialmente in grado di fornire un’indicazione affidabile per le future tornate elettorali.

I numeri: nei 50 milioni di immagini sono state identificate 22 milioni di vetture attraverso algoritmi di visual recognition, classificate poi in oltre 2.600 categorie in base al modello e alla geolocalizzazione. Secondo la Association for the Advancement of Artificial Intelligence, pattern e correlazioni ottenuti mediante l’analisi di questi dati sono utili per ricavare informazioni relative a livello di educazione, reddito, razza, preferenze politiche e inquinamento generato. Chicago ha ad esempio il livello più alto di “income segregation”, ovvero una netta differenziazione dello status economico tra un quartiere e l’altro (auto costose da una parte, economiche dall’altra), New York è la città in cui si spende mediamente di più per i veicoli e San Francisco ha la percentuale più alta di auto straniere. L’analisi è stata condotta sulla base di dati aggregati, che prendono in considerazione aree grandi a sufficienza per garantire la tutela della privacy di chi vi abita, dunque non a livello della singola strada o del singolo civico.

Un approccio di questo tipo, oltre a fornire indicazioni di massima sulle tendenze di voto, può tornare utile per determinare quali problematiche interessano il tessuto urbano e dove intervenire per elaborare soluzioni efficaci. Insomma, l’IA al servizio delle smart city.