211service.com
Google offre un motore di apprendimento basato su cloud
Dai consigli sui prodotti di Amazon alla capacità di Pandora di trovarci nuove canzoni che ci piacciono, i servizi Web più intelligenti in circolazione si basano su algoritmi di apprendimento automatico che consentono al software di imparare a rispondere con un certo grado di intelligenza a nuove informazioni o eventi.
Ora Google ha lanciato un servizio che potrebbe portare tale intelligenza a molte più app. API di previsione di Google fornisce un modo semplice per gli sviluppatori di creare software che impari a gestire i dati in entrata. Ad esempio, gli algoritmi ospitati da Google potrebbero essere addestrati per ordinare le e-mail in categorie per reclami e lodi utilizzando un set di dati che fornisce molti esempi di entrambi i tipi. Le e-mail future potrebbero quindi essere vagliate dal software utilizzando quell'API e gestite di conseguenza.
Attualmente solo centinaia di sviluppatori hanno accesso al servizio, afferma Travis Green, product manager di Google per l'API Prediction, ma già possiamo vedere persone che fanno cose incredibili. Gli utenti vanno dagli sviluppatori di app mobili e Web alle compagnie petrolifere, dice. Molti vogliono fare raccomandazioni sui prodotti e ci sono anche interessanti casi d'uso di ONG con idee come estrarre informazioni di emergenza da Twitter o altre fonti online.
L'apprendimento automatico non è una funzionalità facile da integrare nel software. Diversi algoritmi e tecniche matematiche funzionano meglio per diversi tipi di dati. Di solito è necessaria una conoscenza specializzata dell'apprendimento automatico per considerare l'utilizzo in un prodotto, afferma Green.
Il servizio di Google fornisce una sorta di scatola nera per l'apprendimento automatico: i dati vanno da un lato e le previsioni dall'altro. Esistono tre comandi di base: uno per caricare una raccolta di dati, un altro che dice al servizio di apprendere ciò che può da esso e un terzo per inviare nuovi dati a cui il sistema può reagire in base a ciò che ha appreso.
Gli sviluppatori possono implementarlo sul proprio sito o app entro 20 minuti, afferma Green. Stiamo cercando di fornire un servizio davvero semplice che non richieda loro di passare mese dopo mese a provare diversi algoritmi. La scatola nera di Google contiene in realtà un'intera suite di algoritmi diversi. Quando i dati vengono caricati, tutti gli algoritmi vengono applicati automaticamente per scoprire quale funziona meglio per un particolare lavoro e viene quindi utilizzato l'algoritmo migliore per gestire eventuali nuove informazioni inviate.
Portare l'apprendimento automatico su scala Google è significativo, afferma Joel Confino, uno sviluppatore di software di Filadelfia che crea app Web su larga scala per banche e aziende farmaceutiche e membro del programma di anteprima. Ha utilizzato l'API di previsione per sviluppare rapidamente un'applicazione semplice ma efficace filtro della posta indesiderata , e dice che il servizio ha un chiaro potenziale commerciale.
Ad esempio, è improbabile che una banca o una società di carte di credito che desideri utilizzare l'apprendimento automatico per costruire sistemi che prendano decisioni basate su transazioni storiche disponga del personale specializzato e dell'infrastruttura necessaria per un approccio computazionalmente intensivo. Questa API potrebbe essere un modo per ottenere una funzionalità a basso costo che costerebbe una quantità enorme attraverso un percorso tradizionale.
Il nuovo servizio di Google potrebbe anche essere più appetibile per le aziende che diffidano di consegnare i propri dati a fornitori di servizi cloud, afferma Confino. I dati possono essere completamente offuscati e puoi comunque utilizzare questo servizio. Google non deve sapere se i numeri che gli stai inviando sono i prezzi delle azioni o delle case.
Google, tuttavia, ottiene alcune informazioni che può utilizzare per migliorare i suoi algoritmi di apprendimento automatico. Non esaminiamo i dati degli utenti, ma vediamo le stesse metriche sulla qualità delle previsioni che fanno loro, per aiutarci a migliorare il servizio, afferma Green. Gli ingegneri che eseguono l'API di previsione sapranno se un particolare algoritmo viene utilizzato raramente o se è necessario aggiungerne uno nuovo al mix per elaborare meglio determinati tipi di dati.
L'API di previsione ha il potenziale per essere un livellatore tra aziende affermate e startup più piccole, afferma Pete Warden, un ex ingegnere Apple che ora lavora sulla propria startup OpenHeatMap.com . Questo è stato un vantaggio competitivo per le grandi aziende come Amazon, la cui raccomandazione sui prodotti si basa sull'apprendimento automatico, spiega. Ora devi ancora avere un set decente di dati di allenamento, ma non devi avere lo stesso livello di esperienza.
Warden non ha ancora ottenuto l'accesso all'API Prediction, ma ha intenzione di utilizzarla per migliorare un servizio che ha costruito che mostra dove si trovano le persone che utilizzano una particolare parola o frase su Twitter. Sarebbe davvero interessante vedere anche dove stanno dicendo cose positive e negative su un argomento, dice Warden. L'API di previsione potrebbe essere addestrata per distinguere tra tweet positivi e negativi per farlo, dice.
Chris Bates, uno scienziato dei dati con un servizio di musica online Grooveshark e membro del programma di anteprima, concorda sul fatto che la scatola nera di Google consentirà un uso più ampio dell'apprendimento automatico, ma sostiene che il servizio deve maturare. Oggi è utile prevedere in quale lingua si trova il testo e anche l'analisi del sentimento, ad esempio per individuare recensioni positive e negative, dice.
In definitiva, tuttavia, non essere in grado di ispezionare il funzionamento interno degli algoritmi e metterli a punto per un uso specifico può avere i suoi limiti. Va bene per i casi che non sono mission-critical, in cui puoi permetterti alcuni falsi positivi, dice Bates. Ad esempio, un filtro antispam che di tanto in tanto lascia passare il messaggio spazzatura occasionale potrebbe essere ancora utilizzabile, ma una società di carte di credito potrebbe essere meno in grado di accettare eventuali errori.