10 empresas que utilizan el aprendizaje autom√°tico de maneras geniales


Si las pel√≠culas de ciencia ficci√≥n nos han ense√Īado algo, es que el futuro es una distop√≠a sombr√≠a 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 autom√°tico

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.

¬ŅQuieres ver algunos ejemplos reales de aprendizaje autom√°tico en acci√≥n? Aqu√≠ hay 10 empresas que est√°n utilizando el poder del aprendizaje autom√°tico de formas nuevas y emocionantes (m√°s una visi√≥n del futuro del aprendizaje autom√°tico).

1. Curation de im√°genes de Yelp a escala

Pocas cosas se comparan con probar un nuevo restaurante y luego conectarse en l√≠nea para quejarse despu√©s. Esta es una de las muchas razones por las cuales Yelp es tan popular (y √ļtil).

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 im√°genes son casi tan importantes para Yelp como las propias rese√Īas de los usuarios, no deber√≠a sorprendernos que Yelp siempre est√© tratando de mejorar la forma en que maneja el procesamiento de im√°genes.

Es por eso que Yelp recurri√≥ al aprendizaje autom√°tico hace un par de a√Īos cuando implement√≥ por primera vez su tecnolog√≠a de clasificaci√≥n de im√°genes. Los algoritmos de aprendizaje autom√°tico de Yelps ayudan al personal humano de la empresa a compilar, clasificar y etiquetar im√°genes de manera m√°s 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 adquiri√≥ Kosei, una compa√Ī√≠a de aprendizaje autom√°tico que se especializ√≥ en aplicaciones comerciales de tecnolog√≠a de aprendizaje autom√°tico (espec√≠ficamente, descubrimiento de contenido y algoritmos de recomendaci√≥n).

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 autom√°tico de chatbots de Facebook Messenger

Algunos chatbots son pr√°cticamente indistinguibles de los humanos cuando se conversan por texto.

Cualquier desarrollador puede crear y enviar un chatbot para su inclusi√≥n en Facebook Messenger. Esto significa que las empresas con un fuerte √©nfasis en el servicio al cliente y la retenci√≥n pueden aprovechar los chatbots, incluso si son una peque√Īa empresa con recursos de ingenier√≠a limitados.

Por supuesto, esa no es la √ļnica aplicaci√≥n de aprendizaje autom√°tico que le interesa a Facebook. Las aplicaciones de IA se est√°n utilizando en Facebook para filtrar el spam y el contenido de baja calidad., y la compa√Ī√≠a tambi√©n est√° investigando algoritmos de visi√≥n por computadora que pueden leer im√°genes a personas con discapacidad visual.

4. Líneas de tiempo curadas de Twitter

Twitter ha estado en el centro de numerosas controversias en los √ļltimos tiempos (entre las cuales se encuentran las decisiones muy rid√≠culas 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 m√°s pol√©micos que hemos visto en Twitter fue el movimiento hacia un feed algor√≠tmico.

Aprendizaje autom√°tico 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 l√≠nea de tiempo razonablemente cronol√≥gica, estos cambios est√°n siendo impulsados ‚Äč‚Äčpor la tecnolog√≠a de aprendizaje autom√°tico de Twitters. Twitters AI eval√ļa cada tweet en tiempo real y los califica de acuerdo con varias m√©tricas.

En √ļltima instancia, los algoritmos de Twitters luego muestran tweets que probablemente generen la mayor participaci√≥n. Esto se determina de forma individual; La tecnolog√≠a de aprendizaje autom√°tico de Twitters toma esas decisiones en funci√≥n de sus preferencias individuales, lo que resulta en alimentaciones algor√≠tmicamente seleccionadas, que apestan si fueran completamente honestas. (¬ŅAlguien prefiere el feed algor√≠tmico? Dime por qu√© en los comentarios, adorables bichos raros).

5. Redes neuronales de Google y m√°quinas que sue√Īan

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 √ļltimos a√Īos, habi√©ndose diversificado en campos como la tecnolog√≠a antienvejecimiento, los dispositivos m√©dicos y quiz√°s lo m√°s emocionante para las redes neuronales de los nerds tecnol√≥gicos.

Los desarrollos m√°s visibles en la investigaci√≥n de la red neuronal de Google han sido la red DeepMind, la m√°quina que sue√Īa. Es la misma red que produjo esas im√°genes psicod√©licas de las que todo el mundo hablaba hace un tiempo.

Seg√ļn Google, la compa√Ī√≠a est√° investigando pr√°cticamente todos los aspectos del aprendizaje autom√°tico, lo que conducir√° a desarrollos interesantes en lo que Google llama algoritmos cl√°sicos, as√≠ como a otras aplicaciones que incluyen procesamiento de lenguaje natural, traducci√≥n de voz y clasificaci√≥n de b√ļsqueda y sistemas de predicci√≥n.

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

Durante a√Īos, los minoristas han luchado para superar la poderosa desconexi√≥n entre comprar en tiendas y comprar en l√≠nea. A pesar de todo lo que se dice acerca de c√≥mo el comercio minorista en l√≠nea ser√° la muerte de las compras tradicionales, muchos sitios de comercio electr√≥nico todav√≠a apestan.

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

Ejemplos de aprendizaje autom√°tico 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 b√ļsqueda por voz

Google no es el √ļnico gigante de b√ļsqueda que se est√° diversificando en el aprendizaje autom√°tico. El motor de b√ļsqueda chino Baidu tambi√©n est√° invirtiendo fuertemente en las aplicaciones de IA.

Ejemplos de aprendizaje autom√°tico 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 m√°s interesantes (y desconcertantes) en el laboratorio de I + D de Baidus es lo que la compa√Ī√≠a llama Deep Voice, Una red neuronal profunda que puede generar voces humanas completamente sint√©ticas que son muy dif√≠ciles de distinguir del discurso humano genuino. La red puede aprender las sutilezas √ļnicas en la cadencia, el acento, la pronunciaci√≥n y el tono para crear recreaciones inquietantemente precisas de las voces de los hablantes.

Lejos de ser un experimento inactivo, Deep Voice 2, la √ļltima versi√≥n de la tecnolog√≠a Deep Voice, promete tener un impacto duradero en el procesamiento del lenguaje natural, la tecnolog√≠a subyacente detr√°s de la b√ļsqueda por voz y los sistemas de reconocimiento de patrones de voz. Esto podr√≠a tener implicaciones importantes para las aplicaciones de b√ļsqueda por voz, as√≠ como para docenas de otros usos potenciales, como la traducci√≥n en tiempo real y la seguridad biom√©trica.

8. HubSpot Smarter Sales

Cualquiera que est√© familiarizado con HubSpot probablemente ya sepa que la compa√Ī√≠a ha sido una de las primeras en adoptar tecnolog√≠as emergentes, y la compa√Ī√≠a lo demostr√≥ nuevamente a principios de este mes cuando anunci√≥ la adquisici√≥n de la empresa de aprendizaje autom√°tico 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 autom√°tico

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, seg√ļn el director de estrategia de HubSpots, Bradford Coffey, permitir√° a HubSpot identificar mejor los eventos desencadenantes cambios en la estructura, administraci√≥n o cualquier otra cosa de la empresa que afecte las operaciones diarias para permitir que HubSpot ofrezca de manera m√°s efectiva a los posibles clientes y sirva a los clientes existentes.

9. IBM Better Healthcare

La inclusi√≥n de IBM puede parecer un poco extra√Īa, dado que IBM es una de las compa√Ī√≠as de tecnolog√≠a heredadas m√°s grandes y antiguas, pero IBM ha logrado la transici√≥n de modelos comerciales m√°s antiguos a flujos de ingresos m√°s nuevos notablemente bien. Ninguno de los productos de IBM demuestra esto mejor que su reconocida IA, Watson.

Aprendizaje autom√°tico 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! campe√≥n, pero cuenta con un historial considerablemente m√°s impresionante que superando a los concursantes humanos en los programas televisivos de juegos. Watson ha sido desplegado en varios hospitales y centros m√©dicos en los √ļltimos a√Īos., donde demostr√≥ su aptitud paraHacer recomendaciones muy precisas en el tratamiento de ciertos tipos de c√°ncer..

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 autom√°tico

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, ¬Ņqu√© sigue en las tendencias de aprendizaje autom√°tico?

M√°quinas que aprenden m√°s 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 tama√Īos a reevaluar c√≥mo responden a los ataques sist√©micos en l√≠nea. Pronto veremos que la IA tiene un papel mucho m√°s importante en el monitoreo, la prevenci√≥n y la respuesta a los ataques cibern√©ticos, 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 autom√°tico

Incluso la IA m√°s sofisticada solo puede aprender de manera tan efectiva como la capacitaci√≥n que recibe; A menudo, los sistemas de aprendizaje autom√°tico requieren enormes vol√ļmenes de datos para ser entrenados. En el futuro, los sistemas de aprendizaje autom√°tico requerir√°n cada vez menos datos para aprender, lo que dar√° como resultado sistemas que pueden aprender mucho m√°s r√°pido con conjuntos de datos significativamente m√°s peque√Īos.

. Ideas de marketing