Комп'ютерний зір навчили передбачати майбутнє міських районів

Програмісти з Массачусетського технологічного інституту та Гарвардського університету розробили методику комп'ютерного зору, яка дозволяє відстежувати розвиток міських районів. Більш того, з її допомогою вчені виявили фактори, на основі яких можна передбачати майбутній розвиток районів. Виявилося, що інтенсивний розвиток слабо корелює з вартістю нерухомості або середніми зарплатами - набагато сильніше зв'язок із щільністю людей з високим рівнем освіти і близькістю до центральних ділових районів. Інший важливий результат - райони з високим рейтингом благополуччя в середньому розвиваються швидше, ніж райони з низьким початковим рейтингом. Дослідження опубліковано в журналі, коротко про нього повідомляє прес-реліз MIT.

Алгоритми комп'ютерного зору використовуються повсюдно - від систем безпеки аеропортів до автопілотів автомобілів. Одне з головних завдань, що стоять перед подібними методиками - анотування об'єктів на відео. Для цього використовується машинне навчання. Вже існують алгоритми, здатні визначати емоції на обличчях людей, розрізняти об'єкти різних типів.

У 2011 році один з проектів MIT - Place Pulse зібрав величезну базу даних, що складалася з фотографій вулиць і відповідей респондентів про те, які вулиці виглядають більш безпечними. Цю базу інша команда дослідників використовувала для тренування алгоритмів машинного зору, щоб навчити комп'ютер відрізняти безпечні вулиці від небезпечних за фотографіями. Розроблене програмне забезпечення (Streetscore) визначало рейтинг «благополучності» району на фотографії по об'єктах, що потрапляли в кадр - зелені, вікнах будівель і так далі. Всього автори провели оцінку більше мільйона знімків.

У новій роботі автори Streetscore проаналізували понад 1,5 мільйона пар знімків, зроблених з розривом у сім років, щоб оцінити, як змінився рейтинг благополуччя місць за цей час. Фотографії були зібрані в базі даних Google Street View. Щоб упевнитися в надійності алгоритму 15 тисяч обраних навмання пар були анотовані вручну - думка людей збіглася з оцінкою комп'ютера в 72 відсотках випадків.

Щоб перевірити деякі популярні гіпотези про розвиток міст, вчені порівняли результати з даними щодо вартості житла, зарплат та інших баз даних з географічною прив'язкою. Як виявилося, близькість до ділового центру міста і освіченість сильно корелюють з великими темпами розвитку - так само як і спочатку високий рейтинг Streetscore. За словами авторів, набагато цікавіші ті параметри, з якими не корелювало розвиток районів - зарплати і вартість житла. Як зазначає Чезар Ідальго (César Hidalgo), співавтор роботи, це означає, що розвиток районів визначається не заробітком, а радше рівнем кваліфікації людей, які живуть у ньому.

Дослідники знайшли теорію, що пророкує кореляцію розвитку району з його початковим благополуччям. Вона називається tipping theory, що можна перекласти як «теорія нахилу». Чим краще район спочатку, тим швидше він розвивається. Інший важливий результат роботи - сама принципова можливість використовувати комп'ютерний зір для оцінки динаміки міст, поряд з традиційними методами.

Наочно розвиток міст можна побачити за допомогою одного з сервісів Google - Timelapse від розробників Google Earth. Він об'єднує супутникові знімки, зроблені за останні 33 роки в анімацію.