Aplicaciones de aprendizaje automático de Google

El aprendizaje automático es un área de la inteligencia artificial (IA) y la informática que se centra en el uso de datos y algoritmos para imitar la forma en que las personas aprenden, con el objetivo de mejorar constantemente la precisión.

En la era actual, todos conocen Google, usan Google y también buscan cualquier información usando Google. Sí, este artículo trata sobre las aplicaciones más utilizadas de Machine Learning de Google.

Aplicaciones:

1. Mapas de Google:

Si necesitamos direcciones o información de tráfico, lo más probable es que utilicemos Google Maps. “A pesar del tráfico pesado, estás en la ruta más rápida”, me comentó Maps mientras viajaba a otra ciudad el otro día. Pero ¿cómo sabe eso?

Google Maps incorpora funciones predictivas, impulsadas por aprendizaje automático, que alertarán a los pasajeros con mucha anticipación si sus autobuses se retrasarán. Ahora ofrece datos de monitoreo en tiempo real que pueden predecir retrasos en el tráfico en cientos de ubicaciones en todo el mundo.

Google creó un modelo que usaba datos de tráfico convencionales y lo modificó para tener en cuenta las características únicas de los movimientos y las rutas de los autobuses. Los investigadores utilizaron entradas en tiempo real de las agencias de tránsito para extraer datos de entrenamiento de secuencias de ubicaciones de autobuses a lo largo del tiempo y los vincularon con las velocidades del tráfico de automóviles en la ruta del autobús durante el viaje.

2. Traductor de Google:

Google Translate existe desde hace diez años. Google Translate se introdujo inicialmente con la traducción automática basada en frases como algoritmo principal. Más tarde, Google desarrolló más avances en el aprendizaje automático que transformaron permanentemente la forma en que pensamos sobre los idiomas extranjeros.

El lanzamiento de Google Neural Machine Translation, o GNMT, fue el avance más significativo en los sistemas de traducción. Su arquitectura modelo se compone de una red codificadora (a la izquierda) y una red decodificadora (a la derecha).

En los sistemas en cascada clásicos, es necesaria una representación intermedia para representar el habla. A diferencia de los sistemas en cascada, Google demostró con Translatotron que un solo modelo de secuencia a secuencia puede traducir directamente la voz de un idioma al habla en otro sin necesidad de una representación de texto intermedia.

3. Gmail:

Desde 2004, Gmail ha cambiado la forma en que concebimos el correo electrónico. Según Google, ha acumulado 1.500 millones de usuarios en ese período. Yo soy uno de ellos, y hay muchas posibilidades de que tú también lo seas.

El nuevo escáner de aprendizaje profundo, según Google, está operativo desde finales de 2019. Durante este período, ha aumentado la cobertura de detección diaria de documentos de Office que contienen scripts maliciosos en un 10%. Esa es una gran cifra si se considera el enorme volumen de documentos que Google escanea a diario. Una cifra que es mucho mayor si se tiene en cuenta en qué se destaca el escáner, a saber, «detectar ataques hostiles y en ráfagas».

4. Asistente de Google:

Google ha aplicado IA al dispositivo de bolsillo al convertir voz en texto y utilizar mejoras en el aprendizaje profundo.

El Asistente de Google debe poder comprender al usuario humano para ayudar verdaderamente a los consumidores con las tareas diarias. Esto implica no solo comprender, sino también apreciar el significado de las palabras que usa.

Los desarrolladores de Google reconstruyeron por completo los modelos NLU de Assistant para ayudar a la herramienta a comprender mejor el contexto y mejorar su «resolución de referencia», o la capacidad de discernir el propósito detrás de una consulta determinada. Esta nueva mejora se basa en la tecnología de aprendizaje automático desarrollada en 2018 y aplicada para la Búsqueda de Google, que permitió la comprensión de todos los términos buscados en contexto en lugar de una frase a la vez.