Inversión en AI: de casos de uso a ROI

¿Estamos realmente viendo el impacto de AI que tanto se promete? Comienzan a aparecer indicios de que la gente está cansada de leer cosas genéricas sobre casos de uso de AI, o quizás sólo yo estoy cansado de leer templates que no muestran diferenciación con datos o impacto concreto:

“Leveraging non-specialized Large Language Models (LLMs) to streamline general information discovery, gathering, and organization workflows that would have taken a lot more time to complete without it.”

Bloomberg GPT o Inteligencia artificial en la terminal de bloomberg

Creo que podriamos mejorar mucho el entendimiento de la promesa de la inteligencia artificial generativa; el ritmo de inversión que estamos viendo necesita ejemplos concretos y directos como el siguiente:

“Alaska Airlines ha estado utilizando inteligencia artificial desde 2021 para ayudar a optimizar las rutas de vuelo por eficiencia. El sistema… analiza el clima, cierres de espacio aéreo y planes de vuelo de la FAA dos horas antes de cada vuelo para sugerir las mejores rutas. La AI procesa volúmenes de datos que sobrepasarían las capacidades humanas y, en menos de dos años, contribuyó a reducir los tiempos de vuelo en el 25% de los vuelos de Alaska, ahorrando un total de 41,000 minutos y aproximadamente medio billón de galones de combustible.

AI in Airlines at NYC by Julie Weed

Este explica de forma simple cuál es verdaderamente el impacto en el negocio y por qué vale la pena invertir en GenAI. De hecho, creo que lo mejor que logramos en Microsoft for Startups al trabajar con OpenAI, Llama y Mistral fue crear casos de uso enfocados en el valor que esto genera para una startup.

Siempre digo lo mismo: para escalar, uno tiene que entender dónde la velocidad, el uso de datos y, sobre todo, el análisis de patrones tienen sentido.

Arrancamos con una pregunta simple ¿Porque un startup necesita velocidad? Primero porque necesita extender el runway, eso implica que a la necesidad de velocidad de implementación le suma velocidad para encontrar su “product-market fit”… y cuando lo logra, cambias sus necesidades a escalar su modelo de negocios e infraestructura (técnica/humana) pero sigue necesitando velocidad.

Quizas es esto lo que nos complica extender el caso de uso de “workflows that would have taken a lot more time to complete without it.” a “y con esto se ahorran 1.7 millones de galones de combustible” si logramos ese cambio en narrativa para clientes se explica mucho más simple: ¿cómo sabemos cuánto invertir? ¿Cómo sabemos cuánto esfuerzo dedicarle a GenAI?

Hacen falta más explicaciones de uso como el de Alaska Airlines o el de American Airlines que se menciona a continuación y menos escenarios aspiracionales.

“American Airlines ha desarrollado un sistema impulsado por AI llamado Smart Gating, que dirige las aeronaves entrantes a la puerta de embarque disponible más cercana, minimizando el tiempo de rodaje. Introducido por primera vez en Dallas Fort Worth en 2021, Smart Gating ahora se utiliza en seis aeropuertos, incluidos Chicago O’Hare y Miami International. Se estima que el sistema ahorra 17 horas de tiempo de rodaje diariamente y 1.4 millones de galones de combustible para aviones anualmente.”

Creo que ejemplos concretos de impacto ayudarían mucho a separar unos jugadores de otros en el mercado y sobre todo lograr qeu ¿Qué otros ejemplos concretos conoces que demuestren el verdadero impacto de AI en los negocios? ¡Comparte tus pensamientos en los comentarios!

AI: de LLMs y SLMs; eficiencia y ubicuidad

Con la demo de ChatGPT ya quedó claro que los LLM (modelos de lenguaje grandes) tienen nuestra atecion por sus capacidades en el procesamiento del lenguaje natural. Sin embargo, su tamaño y los recursos que requieren limitan su acceso y por eso es que es dificil ver nuevos jugadores en ese mercado y ahí es donde hay un espacio súper interesante para explorar los SLMs o modelos de lenguaje pequeños como alternativa.

¿Qué son los Modelos de Lenguaje Pequeños?

Continuar leyendo “AI: de LLMs y SLMs; eficiencia y ubicuidad”

Elon Musk vs OpenAI

Hace unos días Elon Musk demandó a OpenAI para que rompan sus alianzas comerciales. Hoy OpenAI respondió con datos mostrando que Elon Musk los demanda porque “logramos avanzar en la misión de OpenAI sin su ayuda”. Honestamente no iba a hablar de la demanda de Musk porque es la continuación de su lobby personal por destruirla.

No sólo la “demanda” no tiene sentido porque no había un contrato sino que es un diatriba sobre cómo se aprovecharon de él, pero esto es simplemente una pelea de egos porque Musk no acepta que no se la regalaron.

Continuar leyendo “Elon Musk vs OpenAI”

Apple volviéndose IBM

Hay un viejo dicho que dice que nadie fue despedido por comprar IBM, porque era la única apuesta segura: los blindaba de las repercusiones si algo había salido mal ya que presumiblemente tenían la reputación y Apple era, ese momento, la innovación y el disruptor; sin embargo el tiempo pasa para todos y hoy…

En una era donde los dispositivos se convierten en integrales para la era de la inteligencia artificial; vemos al mercado aplaudir cosas que son intrigantes:

I would argue that the improved autocorrect in iOS 17 is a major feature — in my use it’s clearly an improvement, and autocorrect is a feature used every day, in almost every app, by almost every iOS user. It’s one of the most used and most important features in the entire OS. I’d also argue that Apple has done some terrific work with AI features in Photos. The search feature in Photos works really well.

Gruber en “Apple AI”
Continuar leyendo “Apple volviéndose IBM”

Superalignment: o cómo alinear la IA con humanos

El concepto de “superalignment” en inteligencia artificial (IA) es bastante simple a primera vista: la “superalineación” se refiere a la idea de alinear sistemas de inteligencia artificial general (IAG) con los valores y objetivos humanos en un grado excepcionalmente alto.

Superalineación o Superalignment... o terminamos mal

Esto implica asegurar que los sistemas de IAG no solo entiendan y sigan instrucciones explícitas que le son dadas, sino que también tengan una comprensión profunda y matizada de los valores humanos, y puedan actuar de maneras que sean beneficiosas para la humanidad, incluso cuando eso no sea un objetivo explícitamente especificado.

Continuar leyendo “Superalignment: o cómo alinear la IA con humanos”

San Francisco está muerto, larga vida a San Francisco

Desde la pandemia todos hablaban de la muerte de San Francisco, el boom de la inteligencia artificial muestra (con datos) que San Francisco esta más vivo que nunca.. y eso me genera algunas ideas

Desde la pandemia, uno no se cansa de ver análisis diciendo que ya pasó la era dorada de San Francisco y la Bay Area para el talento tecnológico, que San Francisco no tenia futuro y que el talento estaba en todas partes… pero el AI Boom nos demuestra que no es así y que el ecosistema de Bay Area y San Francisco están mas vivos que nunca.

Hay datos que son realmente interesantes y todos de diferentes fuentes agregadas, analizando datos de LinkedIn: “Over the last 12 months, San Francisco has seen the second-biggest worker population gain of any area in the United States” y la encuesta anual de CBRE muestra que esos datos son consistentes con salarios y contrataciones y hasta las quejas contra la inteligencia artificial nacen en Bay Area ;)

Pero el datos que nos interesa para analizar el ecosistema tecnológico es bastante simple ¿donde se junta el talento? ¿donde se crean las compañias que se convierten en lideres? y sobre todo ¿donde hay inversión? porque eso es la vara que se usa para definir ecosistemas y empresas con el war-chest financiero para crecer rápido.

¿donde esta el talento y los nodos de Inteligencia Artificial?

  • Tomemos el AI Top 50 de Forbes (con sus fallas o no) es un estudio con una gran metodología y consistente con el estado actual del mercado y literalmente el 70% del mercado global está en California…
  • Eso es consistente con la publicación de papers y estudios relacionados a Inteligencia Artificial desde 2001 donde mas del 25% se publicó desde Bay Area
  • A su vez; Bay Area tienen más búsquedas de empleados para trabajar en Inteligencia Artificial que los 14 ecosistemas siguientes en el ranking de Brookings
  • Aunque es cierto que el mundo de la inteligencia artificial generativa (o LLMs) es demasiado nuevo para tener datos históricos, es una buena señal para entender donde se crean los hubs de mercado y los nodos de talento que luego van a generar los futuros unicornios.
el futuro ya está aquí, pero desigualmente distribuido

el futuro ya está aquí, pero desigualmente distribuido

Esta es una de esas frases que William Gibson dijo y pareció predecir el futuro de la concentración de ecosistemas y cada día parece más relevante; los recursos necesarios para desarrollar nuevas tecnologías (especialmente cuando arrancan los ciclos de tecnología) son monstruosos y es ahí donde el valor de los ecosistemas es clave.

Las explosiones cámbricas

Internet + ARPA; mobile apps + el mundo de la nube; Inteligencia Artificial + Attention is all you need + OpenAI … son 3 momentos que definieron y definirán décadas de negocios y de tecnología y podemos, medio en broma, definirlos como explosiones cámbricas.

Y tal vez San Francisco estaba muerta cuando no existía una explosión cámbrica que necesitaba la concentración de talento, de capital y de infraestructura… mientras que otros ecosistemas son buenos cuando el capital de riesgo es menos averso al riesgo, los modelos de negocios están medianamente establecidos y el conocimiento esta más distribuido igualitariamente.

Estando basado en Argentina pero analizando la cantidad de datos sobre startups que construyen en la nube y orientados en AI creo que hay una oportunidad gigantesca para crear algo aprovechando el talento existente porque la infra existe y es solo cuestión de tiempo que los lideres se establezcan quizás a nivel global

Every now and then… vuelven los Beatles (con AI)

El resúmen: Paul McCartney utilizó AI en un demo de John Lennon para poder aislar su voz, limpiarla, editarla y poder editar un tema que nunca habían grabado y se lanzará como “El último tema”… pero no es la primera vez que se edita la voz de Lennon luego de muerto. Free as a Bird y real Love se editaron limpiando grabaciones de Lennon 15 años luego de su muerte.

Y esto, es más interesante de lo que parece porque abre la puerta a nuevos experimentos, mezclas y hasta juegos como el dueto que se usó en su ultimo tour… porque al fin del día no esta claro donde estará el límite del “gemelo digital” de un artista por más que se cuente con la autorización de sus administradores y, del otro lado del espectro, significa que hay nuevas herramientas para crear mezclas deep-fakes que nunca existieron,

AI y el sentido común

Al escribir algo de AI o cuando estoy tratando de usar sentido común para explicar algo hablo con Diego Basch para ver si pasa su filtro; pero la realidad es que el el “sentido común” es tan dificil de definir que es en esos puntos donde termino haciendo agua… y por eso me parecio maravillosa esta entrevista con Yeichin Choi

¿como definimos lo que es “entender”? ¿como definimos lo que es “saber”? ¿cuales son las excepciones? ¿como las manejamos? ¿como las definimos? ¿como interactuamos nosotros con el contexto que rodea la información?

Yeichin Choi, Computer Scientist, 2022 MacArthur Fellow, Seattle, WA

Yeichin Choi usa el mismo ejemplo que me viene a la cabeza cuando me dicen “OpenAI no entiende lo que le pregunto” o “Google Bard comete errores de nene” ¿pueden las aves volar? nuestra respuesta automática es “si” pero la realidad es que la respuesta es “generalmente si” y ese “generalmente” depende del contexto de la pregunta.

”Commonsense is the dark matter of intelligence. We know it’s there, and we all rely on it effortlessly, yet it has been notoriously hard to pin down, especially for machines. My research seeks to tackle this longstanding challenge in AI (artificial intelligence) by teaching machines to reason about the likely causes and effects of everyday events and the likely intents and mental states of people in relation to those events.”

Jeichin Yoi en la MacArthur Foundation

Pero más alla de esto que es clave ¿como definimos el sentido común? la entrevista revisa el concepto de value pluralism o las diferentes verdades a las que nos enfrentamos y como esas verdades, hoy explícitamente, toman en cuenta valores morales.

These rules basically cannot be written down as universal truths, because when applied in your context versus in my context, that truth will have to be bent. Moral rules: There must be some moral truth, you know? Don’t kill people, for example. But what if it’s a mercy killing? Then what?

OpenAI, Anthropic y POE

Me pareció interesante el lanzamiento de Quora, POE o “Platform for Open Exploration” es su AI conversacional usando OpenAI y Anthropic como motor para encontrar contenido con dos enfoques diferentes pero sin entrenarlo con su contenido porque todavía no esta claro como impacta en propiedad intelectual y saben que no hay precisión fáctica… sabiendo que quieren construir un ecosistema sobre este.

(1) Dos modelos en un producto ¿porque Quora usa dos motores y cuales son las diferencias entre OpenAI y Anthropic? Por las dudas explico algo básico; cada modelo tiene su propio entrenamiento, cada modelo se optimiza para cosas diferentes y, estoy seguro que a medida que aparezcan mas opciones veremos cosas muy diferentes (eg: un modelo entrenado en el “cespool of hate” que es Twitter seguro sale racista pero sin duda va a estar optimizado para engagement) lo bueno de esto es que uno puede elegir.

Por ejemplo, por la base de sus decisiones, OpenAI no tiene acceso a eventos posteriores a 2021 y Anthropic no responde ciertas preguntas (honestamente no se cuales son esos lineamientos) entonces cuando instalas POE y elegís entre Sage, Claude o Dragonfly… en realidad estas eligiendo bots entrenados por esas modelos y atados a esas limitaciones…

Por esas mismas limitaciones, que incluyen los sesgos de entrenamiento, las limitaciones de dataset y sobre todo que no están entrenados para certeza es que NO se integran en Quora sino que se mantiene como un “extra” para experimentar… de ahi su nombre: “Platform for Open Exploration”

(2) una comunidad para refinar preguntas y resultados Y acá viene lo interesante de Quora, no solo podes elegir el modelo, sino que podes crear un perfil y seguir a otros usuarios que esten usando POE y puedas usar sus “prompts” para hacerles sintonía fina y vayan mejorando… con algo de suerte una comunidad de varios cientos de millones ayudaran a mejorar el modelo con el ida y vuelta que genera su uso.

(3) una api para crear ecosistema Ah, si sos developer… Quora está preparando una API para que puedas integrarlo en tus aplicaciones o crear algo nuevo desde cero en ese ecosistema. Que es lo que, en última instancia, los va a separar del resto y le da sentido a la frase que uso el CEO en el anuncio:

Over time, we hope to become the most efficient way for people to collectively explore the possibilities opened up by new AI models as they are released. 

Adam D’Angelo: POE

Pueden descargar POE para iOS en este link

AI en Medios: una carrera de algoritmos, modelos y transformers

OpenAI o ChatCGT son todo lo que los fundadores de Demand Media hubiesen soñado; una herramienta capaz de crear miles de notas a una velocidad increíbles y donde la calidad del output es capaz de lograr clicks en publicidad y nada mas… ¿estoy exagerando?

El modelo de negocios de Red Ventures es directo y explícito: publica contenido diseñado para posicionarse alto en la búsqueda de Google para consultas de “alta intención” y luego monetiza ese tráfico con lucrativos enlaces de afiliados. Específicamente, Red Ventures ha encontrado un nicho importante en las tarjetas de crédito y otros productos financieros. Además de CNET, Red Ventures es propietaria de The Points Guy, Bankrate y CreditCards.com, todos los cuales se monetizan a través de tarifas de afiliados de tarjetas de crédito.

The Verge

En esa sola frase se explica el modelo de las content-farm y se explica porque hay 3 factores que las hacen inevitables en Internet:

  • el costo de publicación es marginal: desde el nacimiento de Links.net hasta el imperio de WordPress, el costo de publicación no deja de bajar. Poner contenido frente a los ojos de la gente es casi gratis.
  • el costo de creación baja constantemente: empresas como Demand Media (los menciono porque los conocí y porque me los acuerdo) siempre encontraron formas de hacer clearing de costos; pagar lo menos posible por palabra pero inundando de su contenido las paginas de resultados de los buscadores.
  • el costo de exposición se mantiene alto: ¿que determina que un articulo lo vea gente? algoritmos. Desde Pagerank de Google hasta FYP de TikTok… estas son las claves de diferenciación y llegada a los consumidores. Es una carrera armamentistica contra los cancerberos de las audiencias.

Esto es literalmente lo que hace que los “Transformers” de Inteligencia artificial sean ideales: ¿que mejor que reemplazar a cientos de manos baratas que un algoritmo donde haya que decirle, literalmente: “escribe un articulo sobre (incluir tema que sepas que tiene poca competencia en Google) en 10 variaciones de estilo” cientos de veces por hora? si automáticamente se publica en internet con links o publicidad y te genera centavos :)

Nota: un transformer es cualquiera de estos algoritmos que al consumidor final le parecen mágicos. Dall-E, ChatGPT, Midjourney y asi. Nacieron imaginadas como transformadores de un texto de un idioma a otro.. solo que de un idioma a otro, termino siendo algo mas que solo texto a texto :)

Y asi llegamos a uno de los grandes problemas de estas herramientas ¿es el usuario promedio capaz de detectar qeu contenido lo creó un periodista y cual una herramienta de inteligencia articificial? No. Hay decenas de estudios que llegan a la misma conclusion: No se demostró que los lectores, consistentemente, puedan distinguir un articulo de otro. Lo que nos dispara al segundo problema ¿si los humanos no logran distinguirlo, pueden otros algoritmos hacerlo? Claro que pueden y asi es como llegamos a una carrera armamentistica entre algoritmos, modelos e IA.

Pronto esto va a ser un estándar.

Un modelo de IA escribe una nota pensada para lograr alto posicionamiento en Google; otro modelo toma esa nota y le inserta publicidad de texto pensada para lograr clicks de usuarios; se publica en un dominio… que google lee, analiza con otro modelo de posicionamiento pensado para descartar contenido de mala calidad o automático, lo ranchea de acuerdo a eso; el sistema del medio analiza porque de donde vienen las visitas con un producto de analytics que le de insights de que funciona y que no, ese resultado entrena al primer modelo que mejora y vuelve a comenzar el mismo proceso mientras Google sigue entrenando al suyo para sacarle visibilidad a esos artículos y asi sucesivamente… mientras tanto los periodistas se siguen indignando pero cada dia le quedan menos pageviews para quejarse.

Y nosotros… consumiendo redes social.

Video: desafíos de las Superinteligencias y Inteligencia Artificial

Cuando pones en un escenario a las luminarias de la AI como Elon Musk, Stuart Russell, Ray Kurzweil, Demis Hassabis, Sam Harris, Nick Bostrom, David Chalmers, Bart Selman y Jaan Tallinn con Max Tegmark moderando como lograron los de Beneficial AI 2017 conseguís un video realmente interesante sobre verdaderos desafíos que se plantearían en un escenario donde las superinteligencias son una realidad y la AI logró sobrepasar a los humanos en casi todos los campos.

Dedíquenle al video la hora que dura porque se lo merece, desde el requerimiento de plantear los 27 Asilomar Principles para desarrollar e implementar AI hasta pensar en problemáticas sociales (mucho más importantes que el inútil “un robot me robó el trabajo!) y como hoy las empresas deberían crear un “Ethics Committee” para trabajar con AI son temas que pocas veces bajan al usuario común que no entiende que, hoy por hoy, sólo estamos generando datos para que puedan entrenarse estas superinteligencias :)

Sobrevivir el hype de la IA

Hace ya un tiempo doy una charla/conferencia de que es la inteligencia artificial y como, algunos conceptos que van desde el deep learning hasta el reinforcement learning, son simples piezas en un rompecabezas que hoy está en nuestra vida cotidiana pese a que no le prestemos atención. Y esa es una de las pequeñas magias de la IA, estar cerca sin que lo notes… los ejemplos que uso no siempre son “sin controversias” :P

Este paper de LUCA son unas 13 páginas que expanden mi presentación [no, este paper no es de mi autoría ni nada por el estilo, solo que LUCA es una unidad de Telefonica y vaya esto como disclaimer :P] que les recomiendo leer porque es claro y son apenas 14 páginas que matan bastantes mitos :)

IBM Watson ahora hace trailers… de una película de IA

Morgan es una película sobre una inteligencia artificial híbrida. Watson es la plataforma cognitiva de inteligencia artificial de IBM. ¿Que mejor que pedirle a Watson que haga un trailer de Morgan? me gusta la idea, más allá que sea una buena estrategia de marketing, porque puede ayudar a entender si una plataforma cognitiva puede crear arte, si una plataforma cognitiva puede entender que nos mueve a ver una película y otros detalles como por ejemplo evitar spoilers :)

Este es el trailer creado por IBM Watson usando sus APIs y técnicas de machine learning para definir que escenas deberían estar en el trailer y luego ser editadas por un humano, lo que muestra que por ahora se sigue necesitan este tipo de interacción para “definir” como presentarlo… Continuar leyendo “IBM Watson ahora hace trailers… de una película de IA”

Google AI Experiments initiative y Quick Draw

Definitivamente Google quiere que sepas que están haciendo cosas con Inteligencia Artificial, y Google Ai Experiments es una forma bastante amigable de ver algunas de esas cosas, creo que Quick Draw es increíblemente interesante.. y adictivo porque te ayuda a ver pequeñas aplicaciones de la AI y sobre todo los ayudas a mejorar sus algoritmos y asi los ayudas a mejorar esa misma inteligencia ;)

Can a neural network learn to recognize doodles? See how well it does with your drawings and help teach it, just by playing.

La consigna es simple: “dibuja un objeto específico en menos de 20 segundos y veamos si una red neuronal puede adivinarlo” y entre que recibís la consigna y dibujás empezás a escuchar que es lo que está adivinando esa “inteligencia artificial” con sus patrones. Continuar leyendo “Google AI Experiments initiative y Quick Draw”

Coches autónomos y los miedos infundados 

Es interesante este gráfico de Statista sobre los miedos que la gente tiene a los automóviles autónomos… mi único miedo es el último en la lista porque vimos el paso de pruebas de concepto a hacks reales.

El resto de los miedos, interesantemente, son culturales generados por el paso de un “momento de control” a un momento de “pérdida de control a manos de un algoritmo” cosa que pasa desde hace tiempo en aviones o en equipos médicos.

Me pregunto si mi hijo, hoy con 9 años, tendrá alguna de las preocupaciones descriptas en el gráfico y me pregunto si alguna, de todas las empresas hoy en la batalla por poner autos en la calle, va a ser la que logre esa confianza o será algún startup que no conocemos.

Facebook despide a los humanos de “Trending News”. No. Los algoritmos no son neutrales.

Hace un tiempo el partido republicano, ese que lleva a Trump como candidato, se quejó porque “trending news in Facebook are not neutral” y ahí el pánico apareció en Facebook porque no se animaron a pelearse con los seguidores de Trump. El resto es una sucesión de malas decisiones por parte de Facebook.

  • investigar si las denuncias eran verdaderas, dando de esta forma validez a una queja ridícula fomentada por la campaña de un megalomaníaco… cuando el resultado independiente salió verificando que no había parcialidad nadie leyó esa noticia.
  • despedir al equipo de humanos que curaban las noticias, dando a entender que había injerencia humana en el algoritmo… cuando quisieron explicar que solo revisaban que no aparezcan noticias falsas o títulos tontos nadie leyó esa noticia.

Esto le dio validez a las denuncias de que había parcialidad en la publicación de noticias, cuando la realidad es que siempre va a haber parcialidad aunque no sea explícita porque los algoritmos no son neutrales porque el humano que los escribe no es neutral y tiene cargas implícitas desde el lenguaje hasta en variables que son cargadas y que luego pueden ser “suavizadas”. pero que si encima confían en humanos entrenando algoritmos de AI volvemos a cero y estamos poniendo a un algoritmo de machine-learning en manos de humanos para su entrenamiento… con la carga implícita de parcialidad en su propia personalidad. Continuar leyendo “Facebook despide a los humanos de “Trending News”. No. Los algoritmos no son neutrales.”

Error humano y autos con inteligencia artificial

Leo en Scientific American: What NASA Could Teach Tesla about Autopilot’s Limits algo interesante y que apoya mi punto de vista sobre los autos con AI, se es autónomo o no pero el punto medio es el sweet-spot del error humano y mientras haya marcas que quieran hacernos creer que existe el piloto automático perfecto los accidentes van a seguir sucediendo… y la lógica es simple.

La foto que ilustra este articulo muestra todo lo que está mal con nuestra capacidad de atención y reacción, la versión corta de todo esto es: “Imaginen el tiempo que le lleva al salame de la foto en esa posición pisar el freno o girar el volante en un evento inesperado”, la versión larga se las recomiendo en estos paper de Stephen Casner de 1994 o el de 2014 para entender como somos incapaces de retener atención cuando esta no nos es requerida. Continuar leyendo “Error humano y autos con inteligencia artificial”

Google, Apple y la pelea por la inteligencia artificial

Luego de Google I/O todo el mundo opina sobre el posicionamiento de Google, Facebook y Apple por la carrera en “crear” inteligencia artificial, aún cuando no se sepa bien de que se está hablando al hablar de AI, pero luego de mi articulo sobre Google Assistant y algunos tweets cruzados con Angel Jimenez me quedaron dos sensaciones dando vueltas; por un lado es la primera vez que veo a Google sin rumbo público y por otro lado con Apple pasa lo de siempre, pocos saben que hace la empresa pero todos opinan que es “la próxima Blackberry” o “la plataforma del futuro” sin términos medios.

¿Google Reactivo? Si y no… creo que Google tiene muy claro hacia donde tiene que ir y trata de comunicarlo aún sabiendo que están hablando de un “futuro” que no es cercano. Y en vez de entregar productos o plataformas, anuncia cosas sin fecha o precios y este punto de posicionamiento no lo dominan como el resto; de hecho es la primera vez que veo a un Google reactivo y no proactivo cuando tenía algo como los Tensor Processing Unit un chip creado por ellos mismos como “motor” de hardware para explotar el software que mueve varias de sus estrategias de AI y esto es un paso impresionante que pasó casi desapercibido.

Fijense como lograron que todos hablemos de Google Home/Assistant como respuesta pura y dura a Amazon Echo para salir del paradigma de los 10 links azules y sin embargo todos recuerdan a Sundar Pichai hablar de Amazon y de las nuevas interfaces “más allá de los 10 links azules”.. en vez de mostrar lo que su hardware hace Continuar leyendo “Google, Apple y la pelea por la inteligencia artificial”

Google Assistant, la inteligencia pervasiva de Google

“Pensamos en este asistente como una experiencia ambiental que se extiende a través de dispositivos, estará en sus teléfonos, en los dispositivos que usen, en sus autos y en sus casas.” Sundar Pichai CEO de Google, en Google IO 2016 hablando de Google Assistant

Google I/O está sucediendo en estos momentos pero la demostración de Google Assistant y Google Home al mismo tiempo que Allo como mensajero y su integración con el lenguaje natural es la forma de llevar la inteligencia artificial de Google a la vida cotidiana y es, más allá de los problemas que pueda tener su implementación, simplemente impresionante.

Si uno se queda con la demo que se vio, que es muy similar a Google Gboard es interesante porque parece tener no sólo un nivel más de entendimiento que los “robotic bots” que vimos en las demo de Facebook o Microsoft sino que su integración con aplicaciones de terceros y también con hardware de terceros de forma casi nativa (aprovechando Android como plataforma) lo hizo parecer mucho más natural… si, ya se que es una demo pero es una demo ambiciosa.

Ahora, el entendimiento del contexto sumado al “always on” que se testeó con Google Now, nos da una inteligencia transparente o pervasiva que es capaz de entender que si estás frente a al Cloud Gate y preguntás “¿Quien diseñó esto?” estás hablando de ese objeto y no del Millenium Park lo cual parece ¿mágico? pero es simplemente un avance impresionante en IA.

Si extendemos eso a Google Home como interfaz de Google Assistant y es capaz de entender multiples usuarios o perfiles que interactúan con Google y no con “una cuenta de Google” como pasaba hasta ahora es una verdadera pasada… y su primer gran desafío ¿como integrar UNA inteligencia a un ambiente multipersona con UNA sola interfaz? lo que no es fácil y nos lleva al segundo desafío ¿como definen que todo lo que se habla es público o se puede responder en público? que nos lleva a otro desafío ¿como se continúan conversaciones cuando son diferentes sujetos los que interactúan en un ambiente con diferentes dispositivos en una sola línea de tiempo? y finalmente ¿como hacer esto amigable y no un “robotic robot” como estamos acostumbrados? Son desafíos maravillosos!

Más allá de todos los debates que esto debería generar y no parece preocupar demasiado, repito ¿como definen que todo lo que se habla es público o se puede responder en público o es un query para alimentar sus sistemas de entrenamiento? porque esto es clave para que ese mundo ideal de información constante, contextual, transparente y pervasiva sea una realidad.

Google cambia el jefe del buscador apostando a AI con John Giannandrea

 Siempre dije que la compra de Metaweb por parte de Google fue una de las 3 decisivas en su historia; hoy al reemplazar a Amit Singhal por John Giannandrea como VP de Search muestra hacia donde apuntan sus cañones.

La capacidad de Google de responder contextual, automática y proactivamente a un usuario va a ser su nueva guía y no nos olvidemos que Alphabet como estructura corporativa es maravillosa pero Google sigue siendo el core del negocio y con eso no se juega.

 

esto decíamos en 2010 :)
Creo que es una gran movida de Sundar Pichai y una muestra de que todavía tienen mil mercados donde crecer y por eso su crecimiento en os últimos trimestres.