百万高中年鉴照片给我们的启示
想象一下，你即将为你的高中年鉴照片拍摄，你真的想要脱颖而出。你会穿什么来和同学们区分开来？鲜艳的粉色唇膏，卡通图案领带，还是蓝钢瞪视可以做到这一点吗？也许以上所有的东西结合在一起？经济学家现在可以使用人工智能来回答这个问题 – 不仅仅是对于你，而是对于每一个在1930年至2010年之间毕业的高中生！在最近一篇名为“Image(s)”的论文中，经济学家汉斯-约阿希姆·沃特和戴维·柳冈沢-德罗特分析了来自美国各地的1450万张高中年鉴照片。他们的人工智能工具基于每张照片中的服装将每张照片进行分类，比如“西装”，“项链”或“眼镜”。然后，研究人员使用人工智能的输出来分析随着时间的推移时尚如何发生变化。
以往已经使用图像来研究时尚，但研究人员很少能够同时处理如此多的照片并按照穿着的服装进行分类。通过这样做，沃特和柳冈沢-德罗特完成了前所未有的事情：对于毕业于美国高中的学生时尚演变的全面、数据驱动的分析。他们的数据广度使他们能够记录许多不同的趋势，其中一些我们已经知道，但也有一些真的相当令人惊讶。
经济学家对时尚的指南
那么，年鉴时尚是如何随着时间演变的呢？如果你在上世纪50年代是一名年鉴摄影师，你会拍摄一个又一个穿着西装和领带、头发整洁修剪的年轻男子的照片。年轻女性则不那么可预测：许多人开始尝试珠宝、短发和低领口。
快进到上世纪70年代，我们来到完全不同的时尚时代。年轻男性在服装选择上变得更加大胆。有些人留长头发，有些人系蝴蝶结或项链。许多年轻女性选择长发嬉皮风格，耳环开始变得更受欢迎。
在当时的时尚创新者中，史蒂夫·乔布斯选择了燕尾服、蝴蝶结和长发作为他的年鉴照片（是的，他的照片是研究样本之一！）。在乔布斯之前，年鉴照片中很少出现这种造型，但在他穿上后很快变得流行。
这些时尚见解并不全是新鲜事，但通过这种新的人工智能工具重新发现它们是很重要的。通过确认我们已经怀疑为真的事情，比如大多数年轻男子在五十年代的年鉴照片中选择类似的正统外观（西服、领带、衬衫、短发、不戴眼镜、不戴珠宝、不留胡须），或者在六十年代反文化运动中时尚发生的重大变化，沃特和柳冈沢-德罗特能够显示他们的人工智能工具被正确校准。接下来，他们转向记录未被发现的模式。
他们研究的一个风格特征是个性主义：每个学生的风格与同学们的不同程度。他们发现，在三十年代，相对于年轻男性，年轻女性更有可能与同龄人穿着不同。但随着时间的推移，这种模式发生了变化。年轻男性开始以让自己与同学们脱颖而出的方式穿着，而年轻女性做得较少。到了二十一世纪，男性的风格比女性更具个性化。
另一个他们研究的风格特征是坚持性。坚持性衡量了每个学生的着装与20年前毕业的同学相比有多相似。在三十年代，年轻男性更有可能像他们父亲那样为年鉴照片打扮，但到了二十一世纪，年轻女性更有可能像她们的母亲那样打扮。
这篇论文并没有解释为什么这些变化会发生，因为你无法从数据中推断出这一点。但作者提供了一些猜测。一个原因可能是，男性尝试时尚的社会接受程度增加了，这增加了个性化。同时，女性加入劳动力市场的人数增加，变得更加经济独立，这也许使年轻女性不再需要以吸引潜在伴侣为目的而穿着显眼的方式。
另一个有趣的发现是不同地区的风格如何演变。在五十年代，个性主义和坚持性在全国各地大致相似。这并不意味着每个人都穿着一样，而是指高中毕业生无论来自纽约、阿拉巴马还是德克萨斯，都有同样的可能性与同学们不同，或者像他们的父母一样穿着。
但这在七十年代开始发生变化。一般来说，北方的高中毕业生比南方的高中毕业生更有可能与同学和父母穿着不同。他们也更有可能成为风格创新者，穿着别人从未见过的造型。到了九十年代，北方和南方的个性主义和坚持性水平完全不同。这些趋势似乎与该地区的政治倾向相一致（北方更自由主义，南方更保守），尽管论文没有提到这种相关性。
文化的经济学
“这跟经济有什么关系？”你可能会想。时尚趋势如何能告诉我们关于经济的很多事情？事实证明，经济学长期以来一直借助时尚分析。经济学家提出了“势利眼效应”（当某种产品的需求很高时，它看起来不再那么精英）和“韦伯尔恩商品”（当高价标签使产品看起来很有声望，因此更受欢迎）等概念，来解释令人惊讶的购买模式，并甚至创造了数学模型来理解时尚循环如何运作（有关韦伯恩商品的更多信息，请收听Planet Money的这一集）。
实际上，对时尚的经济分析通常属于经济学的一个更广泛的子领域，称为文化经济学，它研究文化与经济结果之间的关系。由于文化很难定义，文化经济学家最终开始研究从时尚和媒体到技术和制度，再到社会规范和价值观，如信任和竞争力。
例如，这个领域最令人惊讶的发现之一来自一项研究，发现现代性别规范可能受到犁的采用的影响。犁很重，比其他早期农业工具如锄头和挖杆要更需要力气。因此，在使用犁的社会中，男性在农场工作上具有自然优势。这促成了劳动分工的性别化 – 男性开始在田间工作，而女性在家里工作。而这种劳动分工又影响了关于男性和女性在社会中适当角色的信念。
相比之下，在没有采用犁的社会中，这种情况并不多见。男性在使用其他农具上没有自然优势，因此那里的每个人都参与到农场工作中。没有理由认为户外工作是“男性工作”，因此关于工作的性别规范也就有所不同。令人惊讶的是，经济学家发现这些历史差异对现今的性别规范产生影响。事实证明，没有采用犁的社会仍然具有更高的性别平等和更高的女性劳动力参与率！
经济学的新领域
回到我们最初的论文，从数百万张高中年鉴照片中我们能学到什么？首先，沃特和柳冈沢-德罗特的论文展示了利用图像研究文化变化的潜力。将照片转化为覆盖整个国家的庞大数据集使我们能够精确追踪变化的起源，传播方式以及哪些社区抗拒它。例如，沃特和柳冈沢-德罗特的分析为我们提供了一种研究六十年代反文化运动的新方式。
但总的来说，我们仍然只是开始了解从这项工作中我们可以学到什么。《Image(s)》提供了一个概念验证：它显示了通过让人工智能识别每张照片中的不同元素将图像转化为数据是可能的。概念验证研究通常会打开比关闭更多的大门。
也许未来的研究将能够将沃特和柳冈沢-德罗特发现的风格变化与特定社会、政治或经济发展联系起来，从而更好地理解我们的历史。也许会有商业兴趣采用这种方法，这将使时尚品牌了解人们穿着的信息比以往任何时候都更多。而且很可能研究人员将应用这种方法来研究文化经济学和其他领域的许多其他问题。
然而，有一点是清楚的：随着我们每天看到和接触的图像数量呈指数级增长（这要归功于社交媒体和我们一直在使用的屏幕数量不断增加），我们从这些图像中学到的能力也会增加。我们还不知道我们可能会发现什么。