Saltar al contenido

10 empresas que utilizan el aprendizaje automático de maneras geniales

Si las películas de ciencia ficción nos han enseñado algo, es que el futuro es una distopía sombría y aterradora gobernada por robots inteligentes asesinos.

Afortunadamente, solo una de estas cosas es cierta, pero eso podría cambiar pronto, ya que los fanáticos del juicio final nos quieren decir.

Diagrama de aprendizaje automático

Imagen vía Abdul Rahid.

La inteligencia artificial y el aprendizaje automático se encuentran entre los desarrollos tecnológicos más importantes de la historia reciente. Pocos campos prometen interrumpir (tomar prestado un término preferido) la vida como la conocemos como el aprendizaje automático, pero muchas de las aplicaciones de la tecnología de aprendizaje automático no se ven.

¿Quieres ver algunos ejemplos reales de aprendizaje automático en acción? Aquí hay 10 empresas que están utilizando el poder del aprendizaje automático de formas nuevas y emocionantes (más una visión del futuro del aprendizaje automático).

1. Curation de imágenes de Yelp a escala

Pocas cosas se comparan con probar un nuevo restaurante y luego conectarse en línea para quejarse después. Esta es una de las muchas razones por las cuales Yelp es tan popular (y útil).

Si bien Yelp podría no parecer una empresa tecnológica a primera vista, Yelp está aprovechando el aprendizaje automático para mejorar la experiencia de los usuarios.

Dado que las imágenes son casi tan importantes para Yelp como las propias reseñas de los usuarios, no debería sorprendernos que Yelp siempre esté tratando de mejorar la forma en que maneja el procesamiento de imágenes.

Es por eso que Yelp recurrió al aprendizaje automático hace un par de años cuando implementó por primera vez su tecnología de clasificación de imágenes. Los algoritmos de aprendizaje automático de Yelps ayudan al personal humano de la empresa a compilar, clasificar y etiquetar imágenes de manera más eficiente no es poca cosa cuando se trata de decenas de millones de fotos.

2. Descubrimiento de contenido mejorado de Pinterest

Ya sea que seas un pinner incondicional o nunca hayas usado el sitio antes, Pinterest ocupa un lugar curioso en el ecosistema de las redes sociales. Dado que la función principal de Pinterests es curar el contenido existente, tiene sentido que invertir en tecnologías que puedan hacer que este proceso sea más efectivo sería una prioridad y ese es definitivamente el caso en Pinterest.

Tecnología de aprendizaje automático Motor de recomendación de Pinterest

En 2015, Pinterest adquirió Kosei, una compañía de aprendizaje automático que se especializó en aplicaciones comerciales de tecnología de aprendizaje automático (específicamente, descubrimiento de contenido y algoritmos de recomendación).

Hoy, el aprendizaje automático toca prácticamente todos los aspectos de las operaciones comerciales de Pinterests, desde la moderación de spam y el descubrimiento de contenido hasta la monetización publicitaria y la reducción de la rotación de suscriptores de boletines electrónicos. Muy genial.

3. Facebook Chatbot Army

Aunque el servicio de mensajería de Facebook sigue siendo un poco desconcertante (la gente tiene muy Parece que tiene fuertes sentimientos sobre las aplicaciones de mensajería), es uno de los aspectos más emocionantes de la plataforma de redes sociales más grande del mundo. Eso es porque Messenger se ha convertido en una especie de laboratorio de pruebas experimentales para chatbots.

Aprendizaje automático de chatbots de Facebook Messenger

Algunos chatbots son prácticamente indistinguibles de los humanos cuando se conversan por texto.

Cualquier desarrollador puede crear y enviar un chatbot para su inclusión en Facebook Messenger. Esto significa que las empresas con un fuerte énfasis en el servicio al cliente y la retención pueden aprovechar los chatbots, incluso si son una pequeña empresa con recursos de ingeniería limitados.

Por supuesto, esa no es la única aplicación de aprendizaje automático que le interesa a Facebook. Las aplicaciones de IA se están utilizando en Facebook para filtrar el spam y el contenido de baja calidad., y la compañía también está investigando algoritmos de visión por computadora que pueden leer imágenes a personas con discapacidad visual.

4. Líneas de tiempo curadas de Twitter

Twitter ha estado en el centro de numerosas controversias en los últimos tiempos (entre las cuales se encuentran las decisiones muy ridículas para completar los avatares de todos y los cambios en la forma en que se etiqueta a las personas en las respuestas), pero uno de los cambios más polémicos que hemos visto en Twitter fue el movimiento hacia un feed algorítmico.

Aprendizaje automático Rob Lowe algoritmo de Twitter despotricar

Rob Lowe estaba particularmente molesto por la introducción de cronologías de Twitter curadas algorítmicamente

Ya sea que prefiera que Twitter le muestre los mejores tweets primero (lo que sea que eso signifique) o como una línea de tiempo razonablemente cronológica, estos cambios están siendo impulsados ??por la tecnología de aprendizaje automático de Twitters. Twitters AI evalúa cada tweet en tiempo real y los califica de acuerdo con varias métricas.

En última instancia, los algoritmos de Twitters luego muestran tweets que probablemente generen la mayor participación. Esto se determina de forma individual; La tecnología de aprendizaje automático de Twitters toma esas decisiones en función de sus preferencias individuales, lo que resulta en alimentaciones algorítmicamente seleccionadas, que apestan si fueran completamente honestas. (¿Alguien prefiere el feed algorítmico? Dime por qué en los comentarios, adorables bichos raros).

5. Redes neuronales de Google y máquinas que sueñan

En estos días, es probable que sea más fácil enumerar áreas de I + D científica que Google o, más bien, la empresa matriz Alphabet no es trabajando, en lugar de tratar de resumir la ambición tecnológica de Google.

No hace falta decir que Google ha estado muy ocupado en los últimos años, habiéndose diversificado en campos como la tecnología antienvejecimiento, los dispositivos médicos y quizás lo más emocionante para las redes neuronales de los nerds tecnológicos.

Los desarrollos más visibles en la investigación de la red neuronal de Google han sido la red DeepMind, la máquina que sueña. Es la misma red que produjo esas imágenes psicodélicas de las que todo el mundo hablaba hace un tiempo.

Según Google, la compañía está investigando prácticamente todos los aspectos del aprendizaje automático, lo que conducirá a desarrollos interesantes en lo que Google llama algoritmos clásicos, así como a otras aplicaciones que incluyen procesamiento de lenguaje natural, traducción de voz y clasificación de búsqueda y sistemas de predicción.

6. Edgecase Mejora de las tasas de conversión de comercio electrónico

Durante años, los minoristas han luchado para superar la poderosa desconexión entre comprar en tiendas y comprar en línea. A pesar de todo lo que se dice acerca de cómo el comercio minorista en línea será la muerte de las compras tradicionales, muchos sitios de comercio electrónico todavía apestan.

Edgecase, anteriormente conocido como Compare Metrics, espera cambiar eso.

Ejemplos de aprendizaje automático Edgecase

Edgecase espera que su tecnología de aprendizaje automático pueda ayudar a los minoristas de comercio electrónico a mejorar la experiencia de los usuarios. Además de simplificar la experiencia de comercio electrónico para mejorar las tasas de conversión, Edgecase planea aproveche su tecnología para proporcionar una mejor experiencia a los compradores que solo tengan una vaga idea de lo que están buscando, al analizar ciertos comportamientos y acciones que significan una intención comercial, un intento de hacer que la navegación informal en línea sea más gratificante y más cercana a la experiencia minorista tradicional.

7. Baidu El futuro de la búsqueda por voz

Google no es el único gigante de búsqueda que se está diversificando en el aprendizaje automático. El motor de búsqueda chino Baidu también está invirtiendo fuertemente en las aplicaciones de IA.

Ejemplos de aprendizaje automático reconocimiento de voz

Un diagrama simplificado de cinco pasos que ilustra las etapas clave de un sistema de procesamiento de lenguaje natural.

Uno de los desarrollos más interesantes (y desconcertantes) en el laboratorio de I + D de Baidus es lo que la compañía llama Deep Voice, Una red neuronal profunda que puede generar voces humanas completamente sintéticas que son muy difíciles de distinguir del discurso humano genuino. La red puede aprender las sutilezas únicas en la cadencia, el acento, la pronunciación y el tono para crear recreaciones inquietantemente precisas de las voces de los hablantes.

Lejos de ser un experimento inactivo, Deep Voice 2, la última versión de la tecnología Deep Voice, promete tener un impacto duradero en el procesamiento del lenguaje natural, la tecnología subyacente detrás de la búsqueda por voz y los sistemas de reconocimiento de patrones de voz. Esto podría tener implicaciones importantes para las aplicaciones de búsqueda por voz, así como para docenas de otros usos potenciales, como la traducción en tiempo real y la seguridad biométrica.

8. HubSpot Smarter Sales

Cualquiera que esté familiarizado con HubSpot probablemente ya sepa que la compañía ha sido una de las primeras en adoptar tecnologías emergentes, y la compañía lo demostró nuevamente a principios de este mes cuando anunció la adquisición de la empresa de aprendizaje automático Kemvi.

Ilustración de concepto de puntuación de plomo predictivo de aprendizaje automático

El puntaje predictivo de prospectos es solo una de las muchas aplicaciones potenciales de inteligencia artificial y aprendizaje automático

HubSpot planea utilizar la tecnología Kemvis en una gama de aplicaciones, en particular, integrando el aprendizaje automático Kemvis DeepGraph y la tecnología de procesamiento del lenguaje natural en su sistema de gestión de contenido interno.

Esto, según el director de estrategia de HubSpots, Bradford Coffey, permitirá a HubSpot identificar mejor los eventos desencadenantes cambios en la estructura, administración o cualquier otra cosa de la empresa que afecte las operaciones diarias para permitir que HubSpot ofrezca de manera más efectiva a los posibles clientes y sirva a los clientes existentes.

9. IBM Better Healthcare

La inclusión de IBM puede parecer un poco extraña, dado que IBM es una de las compañías de tecnología heredadas más grandes y antiguas, pero IBM ha logrado la transición de modelos comerciales más antiguos a flujos de ingresos más nuevos notablemente bien. Ninguno de los productos de IBM demuestra esto mejor que su reconocida IA, Watson.

Aprendizaje automático de IBM Watson AI

Un ejemplo de cómo IBM Watson se puede utilizar para probar y validar modelos de comportamiento de autoaprendizaje

Watson puede ser un ¡Peligro! campeón, pero cuenta con un historial considerablemente más impresionante que superando a los concursantes humanos en los programas televisivos de juegos. Watson ha sido desplegado en varios hospitales y centros médicos en los últimos años., donde demostró su aptitud paraHacer recomendaciones muy precisas en el tratamiento de ciertos tipos de cáncer..

Watson también muestra un potencial significativo en el sector minorista, donde podría usarse como asistente para ayudar a los compradores, así como la industria hotelera. Como tal, IBM ahora ofrece su tecnología de aprendizaje automático Watson bajo licencia, uno de los primeros ejemplos de una aplicación de IA que se empaqueta de esa manera.

10. Salesforce CRM inteligentes

Salesforce es un titán del mundo tecnológico, con una fuerte participación de mercado en el espacio de gestión de relaciones con los clientes (CRM) y los recursos para igualar. La predicción y la puntuación del plomo se encuentran entre los mayores desafíos incluso para el vendedor digital más inteligente, por lo que Salesforce está apostando fuerte por su tecnología patentada de aprendizaje automático Einstein.

Aprendizaje automático de la tecnología de inteligencia artificial Salesforce Einstein

Salesforce Einstein permite a las empresas que utilizan el software Salesforces CRM analizar cada aspecto de una relación con los clientes desde el contacto inicial hasta los puntos de contacto de compromiso continuo para crear perfiles de clientes mucho más detallados e identificar momentos cruciales en el proceso de ventas. Esto significa una puntuación de plomo mucho más completa, un servicio al cliente más efectivo (y clientes más felices) y más oportunidades.

El futuro del aprendizaje automático

Uno de los principales problemas con el rápido avance tecnológico es que, por cualquier razón, terminamos dando estos saltos por sentado. Algunas de las aplicaciones de aprendizaje automático enumeradas anteriormente habrían sido casi impensables hace tan solo una década, y sin embargo, el ritmo al que avanzan los científicos e investigadores es sorprendente.

Entonces, ¿qué sigue en las tendencias de aprendizaje automático?

Máquinas que aprenden más efectivamente

En poco tiempo, veremos inteligencias artificiales que pueden aprender mucho más efectivamente. Esto conducirá a desarrollos sobre cómo se tratan los algoritmos, como las implementaciones de IA que pueden reconocer, alterar y mejorar su propia arquitectura interna con una supervisión humana mínima.

Automatización de contramedidas de ciberataque

El aumento del cibercrimen y el ransomware ha obligado a las empresas de todos los tamaños a reevaluar cómo responden a los ataques sistémicos en línea. Pronto veremos que la IA tiene un papel mucho más importante en el monitoreo, la prevención y la respuesta a los ataques cibernéticos, como las infracciones de la base de datos, los ataques DDoS y otras amenazas.

Modelos generadores convincentes

Los modelos generativos, como los utilizados por Baidu en nuestro ejemplo anterior, ya son increíblemente convincentes. Pronto, no podremos notar la diferencia en absoluto. Las mejoras en el modelado generativo resultarán en imágenes, voces e incluso identidades enteras cada vez más sofisticadas generadas completamente por algoritmos.

Mejor entrenamiento de aprendizaje automático

Incluso la IA más sofisticada solo puede aprender de manera tan efectiva como la capacitación que recibe; A menudo, los sistemas de aprendizaje automático requieren enormes volúmenes de datos para ser entrenados. En el futuro, los sistemas de aprendizaje automático requerirán cada vez menos datos para aprender, lo que dará como resultado sistemas que pueden aprender mucho más rápido con conjuntos de datos significativamente más pequeños.

. (tagsToTranslate) Ideas de marketing

Califica este Articulo!