研究小组的目标是通过开发一种名为Bubble Aid的人工智能系统来解决传统纸质选票扫描仪的固有问题，该系统将使用现代计算机视觉和学习技术来比现有系统更有效地识别手工标记的气泡目标。|图片:盖蒂图片社
由德克萨斯农工大学计算机科学与工程系教授Nitesh Saxena博士领导的一个研究小组从美国国家科学基金会的“安全与可信赖网络空间”项目中获得了120万美元的部分拨款，用于调查阅读手写选票的选举系统的稳健性和安全性。
Saxena正在与莱斯大学计算机科学和电子与计算机工程系教授Dan Wallach博士以及阿拉巴马大学伯明翰分校计算机科学系教授Chengcui Zhang博士合作开展该项目。德克萨斯A&M队获得了近40万美元。
在全国范围内，无党派选举官员面临着快速准确地公布地方和州选举结果的要求，有时，准确性会因此受到影响。虽然现代机器学习和深度学习技术已经彻底改变了计算机“看”世界的方式，但即使是用于扫描和处理手工标记选票的最复杂的系统，也主要是看一张纸上气泡目标的平均黑暗程度。因此，传统的纸质选票扫描仪可能会遗漏部分填写的标记，或者错误地将多余的标记和扫描仪噪声分类为填写的气泡，这取决于它们的配置方式。此外，现有系统本身并不能识别潜在的欺诈投票案件，即单个选民填写了多张选票。
拟议中的研究旨在通过建立一个名为Bubble Aid的人工智能系统来应对这些问题。通过对数百万张实际选票的数据进行训练，该系统将使用现代计算机视觉和学习技术，比现有系统更有效地识别手工标记的气泡目标。
萨克斯纳说:“我们的研究可以大大提高效率，提高安全性，帮助选举官员把注意力集中在那些需要最多人工关注的模糊选票上，而不是大多数正确制表的选票。”“我们还预计，我们在手工标记选票上的工作可以应用于其他手工标记的表格，比如标准化测试中使用的表格。”
这项研究是由德州农工工程实验站该机构通过应用研究和开发，以及与工业界、政府和学术伙伴的合作来解决问题。