.

Computación

Facebook lanza un proyecto avanzado de IA para encontrar el sentido de tus actualizaciones

1

Una técnica conocida como aprendizaje profundo podría ayudar a Facebook a comprender mejor a sus usuarios y los datos de estos.

  • por Tom Simonite | traducido por Lía Moya (Opinno)
  • 23 Septiembre, 2013

Facebook se ha lanzado a comprender aún mejor a los 700 millones de personas que diariamente comparten los detalles de su vida usando la red social.

Un nuevo grupo de investigación en la empresa está trabajando en un potente método emergente de inteligencia artificial que se conoce como conocimiento profundo y que usa redes simuladas de neuronas cerebrales para procesar los datos. Aplicar este método a los datos compartidos en Facebook, permitiría la implantación de novedosas características a la red social y quizá también potenciar la publicidad dirigida de la empresa.

El aprendizaje profundo ha demostrado potencial para permitir al software hacer cosas como establecer cuáles son las emociones o los hechos descritos en un texto aunque no tengan una referencia explícita, a reconocer objetos en fotografías y hacer predicciones sofisticadas sobre el posible comportamiento futuro de las personas.

El grupo de ocho investigadores, que internamente se conoce como el equipo de IA, empezó su andadura hace relativamente poco y los detalles de sus experimentos son secretos aún. Pero el director tecnológico de Facebook, Mike Schroepfer, afirma que un uso evidente del aprendizaje profundo es mejorar el suministro de noticias, la lista personalizada de actualizaciones recientes que él denomina la "aplicación matadora" de Facebook. La empresa ya usa técnicas de aprendizaje automático convencionales para cribar las 1.500 actualizaciones que un usuario medio de Facebook podría ver, a las 30 o 60 que se considera probablemente sean más importantes para ese usuario. Facebook tiene que mejorar su proceso de elección de mejores actualizaciones, dado al creciente volumen de datos generados por sus usuarios y a los cambios en el uso de la red social por parte de los miembros.

"Cada vez hay más datos, la gente hace más amigos y, con la llegada de lo móvil, están conectados con mayor frecuencia", explicó Schroepfer a MIT Technology Review. "Yo ya no miro mis noticias una vez al final del día; saco mi teléfono constantemente, mientras espera a un amigo o estoy tomando un café. Tenemos cinco minutos para encantarte de verdad".

Schroepfer afirma que el aprendizaje profundo también se podría usar para ayudar a la gente a organizar sus fotos, o escoger cuál es la mejor para compartir en Facebook.

La entrada de Facebook en el campo del aprendizaje profundo sigue los pasos de sus competidores, Google y Microsoft, que han usado el método con efectos impresionantes en el último año. Google ha contratado y adquirido talentos líderes en el campo (ver "Aprendizaje profundo"), y el año pasado creó software que se enseñaba a sí mismo a reconocer gatos y otros objetos viendo fotos fijas de vídeos de YouTube. La tecnología de aprendizaje profundo subyacente se usó posteriormente para reducir la cantidad de errores de los servicios de reconocimiento de voz de Google (ver "Google pone a trabajar su tecnología de cerebro virtual").

Investigadores en Microsoft han usado el aprendizaje profundo para construir un sistema que traduce del inglés al chino mandarín en tiempo real (ver "Microsoft crea un traductor de voz al estilo de Star Trek"). El gigante de Internet chino Baidu también acaba de crear un laboratorio de investigación en Silicon Valley para trabajar sobre el aprendizaje profundo.

Tras algunas de las características más útiles inventadas por las grandes empresas tecnológicas en los últimos años subyacen formas menos complejas de aprendizaje automático, como los sistemas de detección de spam y el reconocimiento facial en imágenes. Las empresas más grandes han empezado a invertir grandes sumas en el aprendizaje profundo porque puede proporcionar ganancias significativas respecto a otras técnicas más establecidas, según Elliot Turner, fundador y director ejecutivo de AlchemyAPI, que alquila el acceso a su propio software de aprendizaje profundo para texto e imágenes.

"Hace décadas que se investiga la comprensión de imágenes, texto y lenguaje, pero la mejora típica que ofrecía una nueva técnica podía ser un cero coma algo", afirma. "Con el aprendizaje profundo, estamos asistiendo a mejoras del 30 por ciento en tareas como la visión o el lenguaje hablado, ". La nueva técnica también permite progresos mucho más rápidos a la hora de entrenar a un nuevo software, explica Turner.

Las formas convencionales de aprendizaje automático son más lentas porque antes de administrar los datos al software de aprendizaje, los expertos deben escoger manualmente a qué características de esos datos debe prestar atención el software, y deben etiquetar los datos para señalar, por ejemplo, que determinadas imágenes contienen coches.

Los sistemas de aprendizaje profundo son capaces de aprender con mucha menos intervención humana porque son capaces de decidir por sí mismos qué características de los datos en bruto son las más útiles para comprenderlos. Pueden trabajar incluso con datos que no han sido etiquetados, como hizo el software de reconocimiento de gatos de Google. Los sistemas capaces de hacer eso típicamente usan software que simulan redes neuronales para procesar los datos y requieren computadoras más potentes para funcionar.

El grupo de IA de Facebook trabajará en aplicaciones capaces de ayudar a los productos de la empresa y también en investigación más general sobre un tema que se hará público, afirma Srinivas Narayanan, gestor de ingeniería en Facebook que está colaborando en la creación del nuevo grupo. Afirma que una forma en la que Facebook puede ayudar a hacer avanzar el aprendizaje profundo es tirando de su trabajo reciente para crear nuevos tipos de hardware y software que manejan grandes series de datos. "Es un problema tanto de software como de hardware; para escalar estas redes hace falta una integración muy profunda de ambas cosas", afirma.

Facebook ha contratado al experto en aprendizaje profundo Marc'Aurelio Ranzato para su nuevo grupo, arrebatándoselo a  Google. Entre sus otros miembros se encuentran Yaniv Taigman, cofundador de la start-up de reconocimiento facial Face.com (ver “Su cara siempre resultará familiar”), el experto en la visión por computadora Lubomir Bourdev, y el veterano ingeniero de Facebook Keith Adams.

Computación

Las máquinas cada vez más potentes están acelerando los avances científicos, los negocios y la vida.

  1. El mejor sensor en tiempo real contra los terremotos son las personas

    Una investigación revela que el trabajo colaborativo ciudadano a través de tuits y de accesos a las páginas de alerta sismológica ayuda a los mecanismos tradicionales a identificar las zonas afectadas y el nivel de la sacudidas, lo que aceleraría el despliegue de la asistencia y, finalmente, podría salvar vidas

  2. Google descubre que todos los chips son vulnerables a Spectre y Meltdown

    El malware suele aprovecharse de errores de codificación y diseños deficiente. Pero esta investigación revela un defecto básico en la propia naturaleza de la computación que podría hacer que algunas amenazas sean imposibles de solucionar

  3. El hombre que ayudó a que el Apolo 11 no se estrellara contra los rusos

    En la década de 1960, nadie quería depositar toda su confianza en los cálculos que hacían los ordenadores para llegar hasta la Luna. Así que un equipo de matemáticos supervisaba todas las operaciones. Uno de ellos fue Dennis Sager y esta es su historia