21 dicembre 2015 13:21

Gli economisti amano giocare con i dati, ma tradizionalmente preferiscono i dati disponibili, che in genere sono statistiche aggregate o indagini autoprodotte dagli stessi istituti di ricerca. Ora che quasi tutto è digitalizzato, però, sta emergendo un tesoro di nuovi dati in cui rovistare. Una squadra di ricercatori, per esempio, ha cercato di usare i dati della telefonia cellulare per effettuare stime in tempo reale sui cambiamenti economici.

Cos’altro si può fare con le informazioni che abbiamo a disposizione? Un articolo del National bureau of economic research spiega che le immagini di Google Street view potrebbero essere uno strumento accurato per prevedere il reddito dei nuclei familiari delle zone urbane. Nell’articolo, Ed Glaeser, Scott Kominers, Michael Luca e Nikhil Naik spiegano come hanno addestrato un computer a individuare schemi ricorrenti nelle facciate dei palazzi di New York e di Boston, in modo da indovinare il reddito delle famiglie che ci abitano con più esattezza rispetto ai dati estrapolati basandosi sul livello d’istruzione o sul gruppo etnico degli abitanti.

Per cominciare, i ricercatori hanno insegnato al computer cosa cercare. “Raccogliamo una serie di dettagli basati sui materiali, sui colori e sulle forme presenti nelle foto”, spiega Naik, un dottorando del Media lab dell’Mit. Poi usano un algoritmo di apprendimento per stabilire rapporti tra gli elementi visivi e il reddito. Successivamente al computer sono state sottoposte nuove immagini di Street view (12.200 di New York e 3.600 di Boston) e l’algoritmo ha generato le sue previsioni di reddito.

La facciata di una casa può indicare il reddito degli abitanti meglio del livello d’istruzione

Queste previsioni combaciavano quasi perfettamente con il reddito rilevato da un sondaggio dell’ufficio del censimento degli Stati Uniti. “L’algoritmo di visione artificiale individua il 77 per cento delle variazioni di reddito al livello del gruppo di immobili, mentre il gruppo etnico e il livello d’istruzione insieme predicono solo il 25 per cento delle variazioni. Questo significa che l’aspetto delle facciate delle case può indicare il reddito degli abitanti meglio del livello d’istruzione e del gruppo etnico”, spiega Naik. Il ricercatore non sa con esattezza quali schemi il programma riconosca nelle immagini, ma il suo studio precedente lascia pensare che quello che conta di più sia il tipo di edificio raffigurato nell’immagine.

Anche se questi risultati sono promettenti, Naik osserva che non è detto che questo metodo funzioni anche in altre città, dove potrebbero essere diversi (o perfino assenti) gli schemi che un computer è in grado di individuare. Tuttavia, il ricercatore ritiene che l’esperimento abbia dimostrato l’efficacia del metodo e si chiede se le immagini di Street view si possano usare per ricostruire la distribuzione della povertà e della ricchezza in tutto il mondo.

Uno degli ostacoli, naturalmente, è che con ogni probabilità i palazzi urbani offrono dati migliori delle casette sparse nelle zone rurali. Per questo, le immagini delle baraccopoli scattate da Street view potrebbero essere più difficili da analizzare per un computer.

(Traduzione di Floriana Pagano)

Questo articolo è stato pubblicato su The Atlantic.

This article was originally published on Theatlantic.com. Click here to view the original. © 2015. All rights reserved. Distributed by Tribune Content Agency

Internazionale pubblica ogni settimana una pagina di lettere. Ci piacerebbe sapere cosa pensi di questo articolo. Scrivici a: posta@internazionale.it