Google y el Machine Leraning

AlpahGo fue desarrollado por “Google DeepMind”, antigua “Deep Mind Technologies”, adquirida por Google en 2014. DeepMind investiga en técnicas de Aprendizaje Automático (“Machine Learning”) y Neurociencia para construir potentes algoritmos de aprendizaje de propósito general. Su enfoque se centra en hacer a los sistemas capaces de jugar juegos, ya que consideran la mejor forma de hacer que una computadora pueda acercarse a alcanzar la inteligencia a nivel humano.

Según el CEO de Google, gran parte de los esfuerzos de la compañía se centran en orientar sus servicios de búsquedas, y otros relacionados, hacia la inteligencia artificial (en concreto hacia el Machine Learning). El objetivo es evolucionar las funcionalidades de búsqueda con la incorporación de capacidades inteligentes que permitan a los usuarios obtener ayuda de Google en base al contexto, a la situación y a sus necesidades.

Reconocimiento de voz

En Septiembre de 2015 Google anunció las mejoras en la precisión y rapidez de su sistema de búsqueda por voz mediante la aplicación de técnicas de “Deep Learning”. Este sistema comenzó usando en 2009 un “Modelo Gausiano Mixto”, hasta que en 2012 las “Redes Neuronales Profundas”, o “Deep Neural Networks” (DNNs) revolucionaron el reconocimiento del habla, y los resultados mejoraron con la aplicación de “Redes Neuronales Recurrentes” o “Recurrent Neural Networks” (RNNs).

A parte de en su sistema de búsquedas, Google aplica ya estás capacidades de reconocimiento del habla en aplicaciones como el dictado para el uso de las Apps Android o Google Docs, sin necesidad de utilizar el teclado.

Además, estas capacidades de reconocimiento del habla están disponibles para su inclusión en aplicaciones de terceros, a través del “Cloud Speech API”, dentro de su plataforma “Google Cloud Platform”.

Búsquedas, correo electrónico y más…

Además, estas tecnologías ya se han implementado en aplicaciones como las búsquedas por voz, Google Translate o el filtro de correo no deseado. En relación al correo electrónico, Google anunció a finales de 2015 la posibilidad de escribir de forma automática respuestas cortas a correos, por medio de Smart Reply, también basado en una red de aprendizaje profundo. 

También lo han utilizado en Youtube, para escoger de forma automática los thumbnails más atractivos que mostrar a cada usuario. 

Por otra parte, una de las aplicaciones más conocidas que pretende dar Google a este tipo de tecnologías va dirigida a la construcción de coches sin conductor.

Recientemente Google ha anunciado su proyecto de investigación Magenta, con el que quieren explorar otros algoritmos distintos a los utilizados en las aplicaciones de reconocimiento de habla, con el objetivo de aprender cómo generar arte y música, y potencialmente crear contenidos atractivos y artísticos de forma automática.

Machine Learning para desarrolladores y empresas

Aparte de las ya mencionadas capacidades de reconocimiento del habla, la plataforma “Google Cloud Platform” pone a disposición de las empresas la infraestructura base, el análisis de datos y el sistema de aprendizaje automático de Google.

Pero esta plataforma no cuenta solamente con el “Cloud Speech API”. En línea con este tipo de aplicaciones,  esta plataforma incluye el “Google Translate API” o el “Cloud Natural Language API”, el cual proporciona capacidades de análisis de textos en lenguaje natural, revelando la estructura y el significado de los mismos.

Además proporciona “Cloud Vision API” que permite comprender el contenido de una imagen, y “Cloud Machine Learnng Platform”, la cual permite crear fácilmente modelos de aprendizaje automático, para trabajar con cualquier tipo de datos, de cualquier tamaño. De acuerdo con la visión de Google en este campo la industria está en un "punto de inflexión" en el que cada vez es más evidente que la mayor parte del cómputo realizado por las empresas, desde pequeñas a las grandes, se hará en la nube.

Pero no solamente se pueden incluir estos servicios en las aplicaciones, sino que mediante la librería open source de computación numérica TensorFlow cualquier desarrollador puede construir y explotar redes neuronales multicapa para aplicaciones de todo tipo basadas en Deep Learning.

Basado en TensorFlow, también se encuentra disponible el framework de redes neuronales open source llamado SyntaxNet, el cual proporciona las capacidades de procesamiento del lenguaje natural anteriormente mencionadas.

Pero no todo son aplicaciones software

El reciente auge de la inteligencia artificial se debe principalmente a los avances en el terreno del hardware que han posibilitado contar con la suficiente capacidad de cálculo para poder utilizar estos algoritmos en las aplicaciones de forma eficiente.

En este sentido Google ha anunciado que diseñará sus propios procesadores, denominados TPUs (“Tensor Processing Unit”), los cuales van un paso más allá de los GPUs, pues estos son demasiado generales para machine learning. El TPU de Google requiere menos transistores por operación, por lo que pueden llevarse a cabo más operaciones. El resultado: las operaciones basadas en machine learning podrán ejecutarse mucho más rápido.

Por otra parte la aplicación de técnicas de aprendizaje automático ha permitido a Google rebajar un 40 % la energía necesaria para enfriar sus centros de datos, reduciendo las necesidades energéticas de los servidores.