Las tecnologas con las que Google simular ser t escribiendo correos

Resultados 1 al 1 de 1
  1. #1
    Avatar de fer82 NIVEL 67: Micro SIM
    Fecha de ingreso
    01 nov, 13
    Ubicacin
    Belgrano / Nuez
    Mensajes
    12,798
    Mencionado
    2619 Post(s)
    Tagged
    0 Thread(s)
    Thumbs Up
    Recibidos: 12,349
    Dados: 7,439
    vBActivity - Stats
    Points
    77
    Level
    2
    vBActivity - Bars
    Lv. Percent
    94.17%
    Actividad Diaria
    16.84%
    Actividad Semanal
    5.53%
    Actividad Mensual
    8.14%
    Logros Geek

    Las tecnologas con las que Google simular ser t escribiendo correos



    Gestionar el correo electrnico es una tarea a menudo pesada y farragosa: muchos de los mensajes que recibimos necesitan respuestas rpidas y urgentes, pero cuando su nmero es muy elevado ese proceso lleva tiempo. O lo llevaba, porque Google ha anunciado una nueva caracterstica que har que desde Google Inbox podamos generar respuestas automticas predeterminadas a diversos mensajes.
    La caracterstica Smart Reply que se pone en marcha estos das y que se limitar por el momento al soporte del ingls es una demostracin ms de los avances que la empresa est haciendo en aprendizaje automtico (o aprendizaje mquina) y que se combina con el uso del lenguaje natural que los servidores de Google pueden generar para simular algo sorprendente: que las respuestas automticas parezcan realmente nuestras.
    Las Redes Neuronales Profundas entran en accin
    En el blog de Google Research encontrbamos ayer un detallado artculo en el que Greg Corrado, responsable de este desarrollo en particular, explicaba cmo se haba logrado implementar esta caracterstica en Google Inbox. La base de todo est en el aprendizaje automtico y en concreto en los algoritmos de aprendizaje profundo.



    Este tipo de sistemas han sido ya aprovechados en otros servicios de Google de forma extensiva. Ocurre por ejemplo en el mbito de la bsqueda por voz de Google, que aprovecha las Redes Neuronales Profundas (DNNs) como la tecnologa sobre la que se asientan estos modelos. Las mejoras sobre los Modelos de Mezclas Gaussianas (GMM) eran evidentes, y permitan mejorar la velocidad y precisin de reconocimiento de la voz de forma notable.
    Otra de las aplicaciones de esas DNNs ha sido la realizada al obtener algo tan aparentemente aleatorio como las miniaturas de los vdeos de YouTube. Detrs de ese proceso hay estudios realmente detallados sobre cmo elegir la imagen que har que los usuarios hagan finalmente clic en ese vdeo porque esa miniatura llama la atencin.
    As funciona Smart Reply
    La base de esta caracterstica es el uso del llamado sequence-to-sequence learning, un sistema que permite la sntesis conversacional automtica y que entre otras cosas sirvi para que en Google crearan un simptico experimento: un chatbot que debata sobre el sentido de la vida con un humano, y lo haca notablemente bien.



    La aplicacin de ese sistema de aprendizaje para la generacin de respuestas a todo tipo de correos fue todo un reto, pero lograron resolver el problema con el uso de Redes Neuronales Recurrentes. Una de ellas "codifica" el correo entrante, y la otra genera posibles respuestas.
    El codificador de correos trabaja estudiando las palabras de un correo y generando un vector que permite "comprender" a la mquina lo que se est diciendo y con qu tono. No solo eso: es capaz de identificar que dos frases formuladas de distinta forma significan lo mismo. As, esta parte del sistema sabe que "Ests libre maana?" y "Qu te parece si nos reunimos maana?" tienen el mismo objetivo.
    El segundo sistema, el "decodificador", toma ese vector y sintetiza una respuesta correcta palabra por palabra. Para evitar respuestas de decenas y cientos de palabras en Google utilizaron una variante de una red neuronal del tipo "Long Short-Term Memory" (LSTM) que permite que el sistema se centre en la parte del correo que es ms til para luego predecir la respuesta, restando importancia a frases menos relevantes antes y despus.
    La privacidad por bandera
    En todo este sistema haba un claro componente potencialmente polmico: la privacidad. El buen funcionamiento de este sistema de aprendizaje mquina o aprendizaje automtico se basa precisamente en el entrenamiento con millones de correos electrnicos.



    Sin embargo, esos correos nunca son ledos por un humano, y como afirmaba Corrado "eso significa que los investigadores tenan que hacer funcionar el aprendizaje en un conjunto de datos que no podan leer, lo que era algo as como tratar de resolver un puzzle con los ojos tapados".
    An as el prototipo funcion tras la correccin de varios simpticos fallos iniciales. Por ejemplo, en las primeras etapas de desarrollo una respuesta sugerida constantemente por el sistema era "I love you" ("te quiero"). El sistema, explicaba Corrado, "haca justo lo que se le haba entrenado hacer, generar respuestas probables, y resulta que respuestas como "gracias", "me parece bien" o "te quiero" son sper comunes, as que el sistema se apoyara en ellas como apuesta segura si no estaba seguro en otros casos".
    Para resolverlo normalizaron la probabilidad de una respuesta candidata contrastndolas con respuestas pasadas, algo que hizo que el sistema fuera menos "amoroso", pero como dice Corrado, mucho ms til. Si queris, podis probar los resultados -en ingls- utilizando Inbox para Android e iOS. Veremos si vuestros conocidos detectan que esa respuesta es automtica.


    Fuente: http://www.xataka.com/servicios/las-...biendo-correos
    Miniaturas adjuntadas Miniaturas adjuntadas Clic en la imagen para ver su versin completa. 

Nombre: 1.jpg 
Visitas: 15 
Tamao: 28.6 KB 
ID: 17123   Clic en la imagen para ver su versin completa. 

Nombre: 2.jpg 
Visitas: 15 
Tamao: 39.5 KB 
ID: 17124   Clic en la imagen para ver su versin completa. 

Nombre: 3.png 
Visitas: 15 
Tamao: 41.8 KB 
ID: 17125   Clic en la imagen para ver su versin completa. 

Nombre: 4.jpg 
Visitas: 17 
Tamao: 16.7 KB 
ID: 17126  
    Twitter Movistar https://twitter.com/movistararg
    Facebook Movistar https://es-la.facebook.com/comunidadmovistarargentina
    Tel Movistar 0800 - 321 - 0611
    Tienda Movistar 0800-222-6116
    Web Movistar http://www.movistar.com.ar/


    1 Not allowed!

Permisos de publicacin

  • No puedes crear nuevos temas
  • No puedes responder temas
  • No puedes subir archivos adjuntos
  • No puedes editar tus mensajes
  •