Internetmemes kombinerar humor med kulturell relevans och har blivit en allestädes närvarande artefakt i den digitala tidsåldern. Som Richard Dawkins beskrev i sin bok The Selfish Gene beter sig memer som kulturella gener när de sprids och utvecklas genom en komplex process av ”mutation” och ”arv”. På Internet aktiverar dessa memer inneboende fördomar i en kultur eller ett samhälle och ersätter ibland logiska tillvägagångssätt för övertygande argument. Trots att de har varit ganska framgångsrika på Internet har deras upptäckt och utveckling förblivit understuderad. I den här forskningen föreslår och utvärderar vi Meme-Hunter, en multimodal djupinlärningsmodell för att klassificera bilder på Internet som memer respektive icke-memer, och jämför den med enmodala metoder. Vi använder sedan bildlikhet, meme-specifik optisk teckenigenkänning och ansiktsdetektering för att hitta och studera familjer av memes som delades på Twitter under det amerikanska mellanårsvalet 2018. Genom att kartlägga meme-mutation i en valprocess bekräftar den här studien Richard Dawkins koncept om meme-evolution.