Google y Facebook con Machine Learning

Google y Facebook con Machine learning

Redactado por Isidro M.

30 julio, 2020

Síguenos en Redes Sociales

La inteligencia artificial ya no es algo del futuro ya está aquí y los grandes del internet no dejaron pasar la oportunidad de incluirlo en sus softwares y sistemas para brindar un servicio eficiente, óptimo y refinado, con mejores resultados tanto para ellos como para los usuarios.

El machine learning es algo conocido por lo menos en teoría pero no se puede menospreciar que crece y evoluciona rápidamente, por lo que mantenerse a la par de este hecho hace que no sea una labor tan fácil, sin embargo lo que queremos plasmar acá es como Google y Facebook toman para sí mismos está tecnología y le sacan el mejor provecho.

Cuando un usuario lleva a cabo una búsqueda de imágenes, este espera que los resultados muestran productos específicos y encuentre una de su interés.

Google y el machine learning

En el anterior párrafo mencionamos la acción de Búsqueda por Imágenes y el uso de este beneficio de la IA y en particular del machine learning, mediante los patrones que aprende la máquina pueden ser muy complejos y difíciles, Google Fotos te permite buscar en tus fotos imágenes en las que aparezcan cualquier objeto, animal o cosa utilizando un conjunto de ejemplos de fotos con la etiqueta que especifique lo que se busca, esto como primer paso.

Acto seguido el ordenador busca patrones de píxeles y patrones de colores que le ayudan a averiguar de que se trata, identificando diferencias sutiles y comparando con su base de datos y los patrones anteriormente mencionados, por medio de una estimación aleatoria sobre los patrones que podrían ser adecuados para identificar de que se trata pasando al proceso de examinar un ejemplo de una imagen sobre la búsqueda y comprueba si sus patrones encajan correctamente, este proceso se repite alrededor de mil millones de veces: examina un ejemplo y, si el patrón no es el correcto, lo va cambiando para mejorar el resultado del mismo.

Todas acciones dentro de muchas otras pequeñas más, constituyen un modelo de machine learning, como si se tratase de una red neuronal profunda que puede identificar de forma muy similar al cerebro humano, porque es capaz de obtener resultados cada vez más rápido y precisos (gran capacidad de aprendizaje).

El traductor de Google está integrando el machine learning en su funcionamiento y en la forma en que procesa las imágenes con palabras, para obtener los resultados deseados por los usuarios, este puede tomar una foto a un menú de un restaurante en un idioma, o flyers en el idioma del país que visita, y el traductor se encarga de descubrir las palabras y el idioma que aparecen en la foto, y traducirlos tiempo real a tu idioma.

Con el aprendizaje automático (machine learning) el traductor Google es una gran herramienta para convertir texto, imágenes o incluso videos en tiempo real de un idioma a otro, aunque no es 100% precisa, el resultado es de gran ayuda para los usuarios y más que se puede tener de forma inmediata incluso en la palma de tu mano por medio de un smartphone.

Inclusive puedes enviar mensaje de voz al Traductor de Google y el reconocimiento de voz podrá procesarlo mediante machine learning.

Que relacion tiene el Google Cloud con el machine learning?

El Google Cloud Machine Learning Engine está dirigido a “científicos de datos” experimentados y usa Tensor Flow como controlador de machine learning. Y la relación está en que este servicio de Google no podría existir sin el machine learning.

Este servicio de Google permitirá desde ahora prestar un servicio administrado para desarrollar modelos de aprendizaje automático, lo que permite no preocuparse de algunas cosas como el tamaño o el tipo de datos, y al mismo tiempo viene a brindar soluciones por medio de la tecnología almacenada en la nube.

Otra de sus bondades es que está API de Google puede combinarse fácilmente con otros servicios como Dataflow, Storage, BigQuery, entre otros.
El Tensor Flow y Dialog Flow aportan una primera capa gratuita basada en lenguaje natural, reconocimiento de voz, imagen y texto, traductor, video inteligencia, gráficos de conocimiento y búsquedas, etc. a innovadoras apps.

Siendo estas las que permiten el uso del machine learning para cualquier tipo o dimensión de la empresa, como una especie de democratización de las tecnologías de IA, por lo que se puede usar las mismas infraestructuras de hardware y aplicaciones de software en la nube, en cualquier web o aplicación de cual se la empres a o marca, logrando beneficiarse de la escala y de que no se caen nunca.

Mientras Tensor Flow, se basa en un programa de código abierto con lo que se puede construir y entrenar redes neuronales para detectar y descifrar patrones y correlaciones, análogos al aprendizaje y razonamiento usados por los humanos.

Por otro lado Dialog Flow, permite establecer norma de identificación y comprobación de voz del lenguaje natural y sus respectivas respuestas, además no solo tiene esta capacidad sino también la entrada a través de texto, similar a los chatbot que ya conocemos.

Esto es principalmente como Google ha usado el machine learning para su beneficio y crear innovadores servicios de forma más accesible para prácticamente cualquier profesional, empresa, marca o emprendimiento que quiera entrar en lo más novedoso de las herramientas de google, además de optimizar de cierto modo el marketing online, superándose así mismo como motor de búsqueda. Se puede trabajar sin realizar muchas operaciones, por medio de presentaciones de datos y análisis relevantes, dando seguridad para que tanto los que desarrollen esta red como los usuarios puedan garantizar y cuidar la información y data vital.

Facebook con Machine Learning

Para Facebook ha sido muy buena la llegada de esta herramienta para blindar más su seguridad y proteger a sus usuarios, este grande ha sabido implementar las nuevas tecnologías, y es el caso del aprendizaje automático (machine learning); con el objetivo, de ayudar a proteger al usuario de cuentas falsas y otros errores que se encuentran dentro de la plataforma de dicha red social.

Y es que Facebook no tiene “recato” al momento de utilizar el aprendizaje automático en todos los aspectos de la plataforma. Ya sea que esté desplazándose por las noticias o navegando por las imágenes o videos.

Nombraremos a continuación estos aspectos (algunos de tantos):

El Reconocimiento Facial

Para esta tarea el sistema de aprendizaje automático analiza los píxeles de la cara en la imagen y crea una plantilla que es básicamente una cadena de números.

La idea de Facebook no es la de comercializar la herramienta, sino que la utilizará para «potenciar productos futuros y proteger la privacidad de los usuarios» de los deep fakes. El algoritmo de Reconocimiento Facial puede reconocer su plantilla y enviarle una notificación. Por lo que se puede decir que esta herramienta de reconocimiento de imágenes más avanzada tiene más éxito que los humanos al reconocer si dos imágenes diferentes son de la misma persona o no, obteniendo una tasa de éxito del 97% en comparación con los humanos con 96%.

El Feed de Noticias

Aunque al principio el feed de noticias no gusto tanto, ya se ha vuelto el favorito de la red social, basado en los diversos gustos e intereses se muestran en el feed de noticias personal de Facebook de cada usuario, cumpliendo un complejo sistema de clasificación administrado por un algoritmo de Machine Learning.

Esta herramienta otorga un mejor control a las personas acerca de las historias que desean ver, a la vez que permite explorar una gama más amplia de temas noticiosos, sin salir de Facebook. Este feed de noticias presenta una amplia gama de contenido en cuatro categorías editoriales: noticias generales, temáticas, diversas y locales.

Otros aspectos considerados por el algoritmo de machine learning, para ordenar la información son patrones de acuerdo a la frecuencia con la que interactúan con las publicaciones de otras personas, páginas o grupos, la frecuencia con que se realiza la misma, y la popularidad que tienen.

Facebook también traduce a varios idiomas

Haciendo clic en el botón «Ver traducción» facebook permite que para aquellos usuarios de idiomas diversos o menos comunes a nivel global puedan usar su plataforma sin ningún problema con traducciones realizadas por inteligencia artificial, esto lo hace Facebook reconociendo que hay personas en todo el mundo que lo usan a diario.

El traductor de Facebook hace el proceso inicialmente mediante el análisis de millones de documentos que ya están traducidos de un idioma a otro y luego busca los patrones comunes y el vocabulario básico de dicho idioma para ofrecer un resultado lo más preciso posible, si por ejemplo si los usuarios suelen escribir en español, pero tienen su idioma por defecto establecido en algo más también lo verán, reconocido por el machine learning, en caso contrario se podría hacer de forma manual per logrando con gran rapidez que el texto pase al idioma seleccionado.

Con esto se logra que una sola información, post o escrito cualquiera pueda llegar a cualquier persona sin importar el idioma borrando de cierta manera la barrera del lenguaje escrito.

Apuntar y canalizar publicidad de forma específica

Por medio del análisis realizado por la inteligencia artificial o algoritmo de machine learning donde se toman en cuenta edad, sexo, ubicación, me gusta de la página, intereses e incluso sus datos móviles para perfilarlo en categorías selectas, con el fin de mostrar y llevarte resultados de búsqueda y navegación que te sean de interés.

Con la aplicación de esta habilidad del machine learning Facebook espera mantener una ventaja competitiva frente a otros competidores de alta tecnología como Google que luchan por liderar este sector.

Conclusión

Como habrás entendido el machine learning está dando de que habla, además de los buenos resultados que ha dado para el desarrollo y optimización de muchas herramientas, en este caso particular de los dos titanes de la web, Google y Facebook, quienes batallan para brindarnos el mejor desempeño y rendimiento, así como la usabilidad y eficiencia en sus formas de dar servicio a todos sus usuarios.

Y esto apenas comienza!

Se espera eventualmente que estos beneficios lleguen también a innumerables organizaciones, ya sea directamente a través del uso de sus servicios o indirectamente gracias a su apoyo a los principios de código abierto. Al igual de que no tenemos dudas de que los especialistas en marketing encontrarán aplicaciones inteligentes para esta tecnología.

Si te ha gustado, Danos un Like Like en Nuestras Redes ¡A todos nos gustan los Likes! tongue-out

Contenido relacionado …

Suscribete

Prometemos que no te enviaremos spam laughing

0 comentarios

Enviar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Pin It on Pinterest

Share This
Abrir chat
1
Hola
Estamos aquí para ayudarte