斯坦福大學人工智慧實驗室的負責人李飛飛， 在去年入職穀歌， 並成為谷歌新成立的機器學習部門負責人。 幾個月的時間，
通過穀歌的人工神經網路（neural networks）， 分析谷歌街景（Google Street View）的5億張照片中的汽車型號、年份， 得出住戶的收入、種族、教育程度， 以及被民調玩壞了的“投票傾向”。
論文截圖：5億張谷歌街景、2.2億輛車、2657種車型
舉個栗子：如果某一住宅區的一條街道上的轎車數量超過皮卡的數量， 那麼這裡的居民在下一場總統選舉中投“民主黨”的幾率有88%；反之， 如果皮卡的數量超過的轎車， 那麼82%的可能性會投給“共和黨”。
李飛飛團隊發表的論文表示， 通過機器學習的方式， 可以即時進行人口統計的趨勢， 降低政府或者調查的人力。 雖然論文還處於同行審閱階段， 並未正式發表， 但是這一研究已經將機器學習與人們日常最關注的、參與度最高的話題結合在了一起。
2008年總統選舉結果、當時的民調結果、機器學習分析結果對比
這項機器學習的結果， 將能夠直接替代每年耗資2千5百萬美元， 由美國商務部人口普查局執行的“社區調查”。
雖然機器學習人就需要一些線下的資料收集工作， 為AI提供可參考的基準線。 但是絕大多數的程式都能夠自動完成。 得到完整訓練的神經網路， 能夠比人更加準確、快速地辨認出照片中的車輛的品牌、車型、年份。 系統僅需要五分之一秒，
線上資料和機完全可以有效降低挨家挨戶田野調查的人力和費用， 更加能夠排除人為因素的偏差。 同時避免人工調查、總結、分析的流程導致的資料失效， AI的介入， 讓所有資料的“新鮮程度”得到保障。
不只是穀歌， 其他的創業公司、科研團隊也在利用機器學習進行經濟社會學的研究。
三藩市的一家創業公司Premise， 同時世界各地的軍人的資料， 建立了即時的全球比價系統。 Premise讓全世界各地的人在居住的城市手機類似罐裝咖啡、新鮮的身材等常見的消費品、農產品， 並通過機器學習的技術， 得出價格的趨勢和範本。
矽谷的Orbital Insight和穀歌一樣， 是通過對照片的分析得出趨勢分析。 通過人工智慧分析衛星拍攝的照片， 得出經濟形勢的趨勢。 比如他們通過分析96個全美連鎖的零售企業的25萬個停車場的衛星照片， 分析出這家公司的經濟現狀。
比如，Orbital Insight分析得出百貨連鎖JCPenney這一季度的停車數量降低了10%，完全符合JCPenny剛剛發佈的130個店鋪銷量下降的聲明。
還有一些研究者們從推特和通信記錄中，預測失業率和貧困人員比例。類似的方法還可以被應用到各種產業、零售業中，獲得更加多面的、精確的經濟預測。機器可以探測出人類無法發現的規律，或至少比人類更快地得出結論。
可以預見，機器學習而非單純的統計學，將繪製一副更加精確人類思考、生活、意識圖。而在人類最在意、也最搞不定的政治領域中，他們可以給出一些“中立”的事實推測，希望能給吵得不可開交的人類一些可以依靠的論點。
比如，Orbital Insight分析得出百貨連鎖JCPenney這一季度的停車數量降低了10%，完全符合JCPenny剛剛發佈的130個店鋪銷量下降的聲明。
還有一些研究者們從推特和通信記錄中，預測失業率和貧困人員比例。類似的方法還可以被應用到各種產業、零售業中，獲得更加多面的、精確的經濟預測。機器可以探測出人類無法發現的規律，或至少比人類更快地得出結論。
可以預見，機器學習而非單純的統計學，將繪製一副更加精確人類思考、生活、意識圖。而在人類最在意、也最搞不定的政治領域中，他們可以給出一些“中立”的事實推測，希望能給吵得不可開交的人類一些可以依靠的論點。