研究人员认为，诸如伦敦等大城市，存在大量不平等现象，而详细的数据测量对于制定、评估那些减少不平等的政策来说非常重要。但是只有少数国家拥有能进行实时测量、链接全面的统计数据集。

 

　　为此，英国帝国理工学院科学家艾萨拉·苏尔及其同事利用深度学习方法训练了一种计算机程序，该程序通过可公开获取的街道图像和政府统计数据，能检测英国四大主要城市（伦敦、伯明翰、曼彻斯特和利兹）的不平等情况。经过525860张伦敦城市图像（对应156581个邮政编码）的训练后，再用1%的西米德兰兹郡、大曼彻斯特郡和西约克郡图像进行微调，该程序对另外三座城市预测结果的准确度就能与伦敦不相上下。

 

　　研究团队假设城市以及城市生活的一些特征（如住房质量和生活环境）拥有计算机可识别的直接视觉信号，这些信号包括建筑材料和失修情况、汽车或当地商铺。结合政府对该城市住房条件、平均收入或死亡率和发病率等结果的统计数据，这些图像被用来训练计算机程序，以检测没有统计数据的城市中的不平等情况。

 

　　研究人员发现，这一计算机程序最善于识别生活环境和平均收入方面的差异；而最不善于识别犯罪和自我报告的健康状况的差异。

 

　　总编辑圈点

 

　　随着大数据和机器学习算法的进步，社会学的研究也开始试图利用AI和数据挖掘为研究手段。这一趋势显而易见的好处是：过去无法处理或者被人类研究员所忽视的问题，可以很快浮上水面。因为传统的分析统计方法呈现出来的是一种“阐释”效果，而机器学习算法的量化分析手段偏重于“预测”，可以帮助研究人员建立更完善的模型。不过目前来看，AI尚不能全方位分析社会学种种问题，因此让传统方式与新兴手段互为补充，就显得尤为重要。

 

“中国•成都五金机电指数”:http://www.wjzs.org