Google trabaja en muchos frentes. Uno de ellos es su interés en las herramientas que le permitan predecir comportamientos de los usuarios en la red; esto es importante porque con base en los datos que se puedan obtener, se pueden tomar decisiones de negocios, como qué promover, qué eliminar, etcétera.
Inclusive, se puede llegar a automatizar algunos procesos de forma inteligente, de manera que el propio programa pueda decidir las acciones a tomar según la información recaudada. Para ello, Google ha lanzado la versión 1.5 del application programming interface (API) de su sistema Google Prediction.
El API permite a los desarrolladores tener un motor de reconocimiento de patrones en la nube para apps que puedan ser usadas con técnicas de la inteligencia artificial. De alguna manera, expone los algoritmos de aprendizaje para computadoras que pueden ser usados en sus aplicaciones web.
También econoce patrones históricos en los datos y los usa para hacer predicciones sobre el nuevo comportamiento (parecido a muchas de las cosas que se hacen en las redes neurales). Algunos usos sugeridos son la detección de spam y el marcado de datos no estructurados basados en cómo los usuarios han señalado los contenidos similares en el pasado.
Cuando se anunció el primer API de esta naturaleza, funcionaba de manera que el usuario subía los datos, que podían ser numéricos o de texto, a Google Storage para Desarrolladores. Entonces, se desarrollaba una etapa de aprendizaje supervisado hasta que el modelo generado podía ser usado para clasificar la nueva información.
Con la versión 1.5 se pueden listar los modelos o mostrarlos página por página de forma iterativa. Hay también un método simplificado para el análisis, de forma que se puede tener un registro de cuándo se terminó el modelo y hacer más fácil llevar un control.
El análisis de estos modelos se ha mejorado. Los desarrolladores han añadido la habilidad de obtener información más detallada, pues se puede tener información sobre los valores de salida del modelo generado, las características, la matriz de confusión, etcétera.
Hay también dos apps ejemplos (codificadas en Python y Java) que muestran cómo usar el API desde el Google App Engine. En ellas se explica cómo crear y manejar credenciales en servidores compartidos OAuth 2.0. y hacer predicciones basadas en los visitantes del sitio con las credenciales de los servidores compartidos.
Fuente: i-programmer.