211service.com
Google ofrece un motor de aprendizaje basado en la nube
Desde las recomendaciones de productos de Amazon hasta la capacidad de Pandora para encontrarnos nuevas canciones que nos gusten, los servicios web más inteligentes dependen del aprendizaje automático: algoritmos que permiten que el software aprenda a responder con cierto grado de inteligencia a nueva información o eventos.
Ahora Google ha lanzado un servicio que podría llevar esa inteligencia a muchas más aplicaciones. API de predicción de Google proporciona una forma sencilla para que los desarrolladores creen software que aprende a manejar los datos entrantes. Por ejemplo, los algoritmos alojados en Google podrían entrenarse para clasificar los correos electrónicos en categorías para quejas y elogios utilizando un conjunto de datos que proporcione muchos ejemplos de ambos tipos. Los correos electrónicos futuros podrían luego ser analizados por software usando esa API y manejados en consecuencia.
Actualmente, solo cientos de desarrolladores tienen acceso al servicio, dice Travis Green, gerente de producto de Google para Prediction API, pero ya podemos ver a personas haciendo cosas increíbles. Los usuarios van desde desarrolladores de aplicaciones web y móviles hasta compañías petroleras, dice. Muchos quieren hacer recomendaciones de productos, y también hay casos de uso interesantes de ONG con ideas como extraer información de emergencia de Twitter u otras fuentes en línea.
El aprendizaje automático no es una función fácil de incorporar al software. Diferentes algoritmos y técnicas matemáticas funcionan mejor para diferentes tipos de datos. Por lo general, se necesita un conocimiento especializado del aprendizaje automático para considerar su uso en un producto, dice Green.
El servicio de Google proporciona una especie de caja negra de aprendizaje automático: los datos van en un extremo y las predicciones salen por el otro. Hay tres comandos básicos: uno para cargar una colección de datos, otro para decirle al servicio que aprenda lo que pueda de él y un tercero para enviar nuevos datos para que el sistema reaccione en función de lo que haya aprendido.
Los desarrolladores pueden implementarlo en su sitio o aplicación en 20 minutos, dice Green. Estamos tratando de brindar un servicio realmente fácil que no requiera que pasen mes tras mes probando diferentes algoritmos. La caja negra de Google en realidad contiene un conjunto completo de algoritmos diferentes. Cuando se cargan los datos, todos los algoritmos se aplican automáticamente para averiguar cuál funciona mejor para un trabajo en particular, y luego se utiliza el mejor algoritmo para manejar cualquier información nueva enviada.
Llevar el aprendizaje automático a la escala de Google es importante, dice Joel Confino, un desarrollador de software en Filadelfia que crea aplicaciones web a gran escala para bancos y compañías farmacéuticas, y miembro del programa de vista previa. Usó la API Prediction para desarrollar rápidamente un método simple pero efectivo filtro de correo no deseado , y dice que el servicio tiene un claro potencial comercial.
Por ejemplo, es poco probable que un banco o una empresa de tarjetas de crédito que desee utilizar el aprendizaje automático para crear sistemas que tomen decisiones basadas en transacciones históricas cuente con el personal especializado y la infraestructura necesaria para lo que es un enfoque computacionalmente intensivo. Esta API podría ser una forma de obtener una capacidad de forma económica que costaría una gran cantidad a través de una ruta tradicional.
El nuevo servicio de Google también puede ser más aceptable para las empresas que desconfían de entregar sus datos a los proveedores de la nube, dice Confino. Los datos se pueden ofuscar por completo y aún puede utilizar este servicio. Google no necesita saber si los números que le envía son precios de acciones o precios de viviendas.
Sin embargo, Google obtiene cierta información que puede utilizar para mejorar sus algoritmos de aprendizaje automático. No miramos los datos de los usuarios, pero vemos las mismas métricas sobre la calidad de las predicciones que ellos, para ayudarnos a mejorar el servicio, dice Green. Los ingenieros que ejecutan Prediction API sabrán si un algoritmo en particular se usa con poca frecuencia o si es necesario agregar uno nuevo a la mezcla para procesar mejor ciertos tipos de datos.
Prediction API tiene el potencial de ser un nivelador entre las empresas establecidas y las nuevas empresas más pequeñas, dice Pete Warden, un ex ingeniero de Apple que ahora trabaja en su propia startup. OpenHeatMap.com . Esa ha sido una ventaja competitiva para grandes empresas como Amazon, cuya recomendación de productos se basa en el aprendizaje automático, explica. Ahora todavía debe tener un conjunto decente de datos de entrenamiento, pero no es necesario que tenga el mismo nivel de experiencia.
Warden aún no ha obtenido acceso a la API Prediction, pero tiene planes de usarla para mejorar un servicio que construyó que muestra dónde se encuentran las personas que usan una palabra o frase en particular en Twitter. Sería realmente interesante ver también dónde están diciendo cosas positivas y negativas sobre un tema, dice Warden. La API de predicción podría entrenarse para distinguir entre tweets positivos y negativos para hacer eso, dice.
Chris Bates, científico de datos con servicio de música en línea Grooveshark y miembro del programa de vista previa, está de acuerdo en que la caja negra de Google permitirá un uso más amplio del aprendizaje automático, pero sostiene que el servicio debe madurar. Hoy en día es bueno para predecir en qué idioma se encuentra el texto y también para el análisis de sentimientos, por ejemplo, para seleccionar críticas positivas y negativas, dice.
Sin embargo, en última instancia, no poder inspeccionar el funcionamiento interno de los algoritmos y ajustarlos para un uso específico puede tener sus límites. Es bueno para los casos que no son de misión crítica, donde puede permitirse algunos falsos positivos, dice Bates. Por ejemplo, un filtro de correo no deseado que ocasionalmente deja pasar el mensaje no deseado ocasional podría seguir utilizándose, pero una empresa de tarjetas de crédito podría ser menos capaz de aceptar errores.