68. ¿Cómo aplicar inteligencia artificial a las apps?

Creando Apps

La inteligencia artificial consiste en tratar de ejecutar tareas que son propias de la inteligencia humana, como resolver problemas, reconocer objetos o textos, cosas que típicamente podría hacer un humano, pero no una máquina.

Es un concepto muy general y hoy en día es muy fácil llamar inteligencia artificial a cualquier cosa y realmente puedes estar diciendo la verdad. Es muy difícil diferenciar qué es y qué no es inteligencia artificial, porque hoy en días casi todo lo que hacen las máquinas, puede llegar a ser de algún modo inteligencia artificial.

Por otro lado, tenemos el término Machine learning que es una manera de construir inteligencia artificial, es la forma en la que se lleva a cabo.

Si queremos hacer inteligencia artificial, la forma más rudimentaria (por decirlo de alguna manera) sería programar un algoritmo que siempre va a devolver el mismo poder de resultados, en cambio de lo que trata machine learning, es programar un algoritmo que va a ir mejorando con el paso del tiempo, que es capaz de aprender, de aprender de los usos que se hacen de él.

Y aquí nos plantamos a nivel técnico, porque si nos podemos a explicar machine learning nos pondríamos demasiado técnicos, es casi una asignatura en sí de lo que es la programación, es un campo entero donde la gente se especializa y abarca muchas cosas.

Para acabar de entender la diferencia entre lo que sería una inteligencia artificial más rudimentaria y lo que es inteligencia artificial con machine learning, vamos a poner el ejemplo de reconocer imágenes.

Imaginemos que queremos montar una aplicación móvil que consiste en hacerle una foto a un producto y la aplicación automáticamente nos podrá decir qué producto es. Le hacemos una foto a un Kit Kat (por decir algo) y nos aparece el nombre, nos dice: este producto es un Kit Kat.

La forma rudimentaria de hacerlo y de poder conseguir una inteligencia artificial, es por ejemplo, teniendo imágenes de todos esos productos que tú vas a comparar en tu servidor. Básicamente cuando tú le envías al servidor, a la máquina, al ordenador, esa foto que tú has hecho, la puedes comparar con las otras fotos que tú tienes de todos los productos, puedes ir digamos pixel a pixel, más o menos comparándolo y siempre te va a devolver el mismo nivel de resultado.

Es decir, si la foto se parece bastante a la que tú tienes, comparando cada pixel de la imagen, puedes decir que ese producto es el que estás buscando. Sin embargo, si la imagen no es de muy buena calidad, seguramente no te reconozca ese producto.

Los humanos, las personas son los que van a decidir qué cosa es qué cosa y el algoritmo lo que va a hacer es aprender de estos conocimientos que le están dando las personas.

Así que con el paso del tiempo, ese algoritmo, que inicialmente sería muy malo, se iría haciendo mejor gracias a los datos que le están introduciendo personas reales, es decir, se va a aprovechar de la mente humana.

¿Por qué se está poniendo tan de moda el tema de inteligencia artificial? porque ahora es un momento en el que quizás es más accesible a la gran mayoría de personas. La inteligencia artificial no es algo sencillo de hacer desde cero o por lo menos no lo era, sin embargo, ahora gracias en gran parte a Google, la inteligencia artificial se ha democratizado de alguna manera.

Una de las cosas que gustan de Google es que pone el poder que tiene, el poder de conocimiento que tiene y todas las tecnologías con las que han estado trabajando años y las personas que tiene allí trabajando, a disponibilidad de los usuarios, obviamente a un precio, porque generalmente no es todo gratis

Es decir, todo ese conocimiento que tienen ellos, lo pueden de alguna forma democratizar y hacer esta inteligencia artificial, por ejemplo, tienen plataformas, como Firebase o TensorFlow, que son plataformas que incluyen en cierta manera temas de inteligencia artificial, que lo hace mucho más fácil de hacer, fácil de implementar y sencillo de colocar dentro de tu aplicación móvil para ciertas funcionalidades.

No nos vamos a poner tampoco más técnicos, simplemente decir que gracias a distintas plataformas de Google, podemos hacer la inteligencia artificial mucho más accesible, mucho más sencilla y viable. Existen diferentes maneras de aplicar la inteligencia artificial, este machine learning, que nos ofrece Google ahora de esta forma tan accesible.

Predicciones

En el primer caso que vamos a explicar se puede utilizar machine learning para aumentar los ingresos de una aplicación móvil. Gracias a Firebase Predictions, que es una funcionalidad dentro de la plataforma de Firebase de Google, podemos obtener datos tan interesantes como predecir si cierto usuario va a gastar o no dinero en el futuro dentro de nuestra app

Para hacerlo, FireBase Predictions se basa en todos los datos de todos los usuarios, y los datos que tiene de ese usuario en concreto para ver, aplicando machine learning, si es probable o no, que ese usuario termine gastando, comprando algo dentro de la app.

Vamos a ver cómo podemos aplicar esto; imaginemos un juego con un modelo freemium, que el juego en principio se descarga gratuitamente, puedes jugar gratuitamente y tiene una parte pro, para jugar a niveles superiores,con un precio de cuatro euros.

Entonces si FireBase Predictions nos dice que es probable que un usuario no vaya a gastar, es bastante probable que no vaya a comprar ese Premium de nuestro juego. Por lo que, a esos usuarios en particular podemos mostrarles un descuento, es decir, en vez de esos cuatro euros, les podemos mostrar “compra ahora Premium y ahórrate el 50%”.

De esta manera es bastante más probable (aunque tendrías que estudiarlo y analizar los datos) que esos usuarios que no iban a gastar nada, por lo menos gasten dos euros. De esta manera aquellos usuarios que no iban a gastar nada, quizás sí que algunos de ellos acaben gastando porque el descuento del 50% les puede resultar atractivo, con lo cual acabarías obteniendo más ingresos para tu app.

Anuncios

El segundo caso, es básicamente lo mismo, pero con anuncios, es decir, imaginemos que el juego que tenemos es totalmente gratis y únicamente lo monetizamos con anuncios. Otro de los datos que nos ofrece FireBase Predictions, es la predicción de si es probable que un usuario vaya a abandonar la app o no, es decir, nos va a avisar antes de que el usuario elimine la app o la deje de utilizar.

La forma en que esto se puede aplicar, es un juego gratuito con anuncios. Si por ejemplo vemos que el usuario es probable que deje de utilizar el juego, que lo desinstale o que directamente ya no vuelva a entrar, lo que podemos hacer es intentar no mostrar anuncios durante ese tiempo, porque obviamente los anuncios molestan mucho, cuando tú estás jugando.

Aunque sabes, que si obtienes algo gratuitamente vas a tener anuncios por otro lado, pero igualmente es algo molesto, con lo cual lo que podemos hacer es si ya vemos que alguien es probable que deje de utilizar nuestra app, lo que podemos hacer es no enseñarle anuncios durante ese periodo de tiempo.

Y probablemente, si le quitamos los anuncios y hacemos la experiencia más agradable, quizás esa predicción desaparezca. Entonces podemos volver a mostrar los anuncios cuando veamos que el usuario ya no está a punto de abandonar la app y volver a jugar.

Obviamente, habría que probarlo, mirarlo y analizarlo, pero de alguna forma, podrías alargar ese tiempo de vida que el usuario tiene instalada la aplicación y al fin y al cabo, podrías acabar enseñándole muchos más anuncios con lo cual obtener más ingresos.

Sugerencias

Otro punto, donde podemos aplicar la inteligencia artificial es a través de las sugerencias y esto es muy claro viendo ejemplos como Spotify o Amazon.

Ésta última, por ejemplo, siempre te enseña sugerencias en base a lo que tú compras, tu página principal de Amazon no es igual que la de otra persona porque está basada o nos enseña los productos en base a lo que nosotros compramos.

Esto es una vez más volver a la inteligencia artificial rudimentaria o al machine learning, es decir, tú puedes tener los típicos productos relacionados, es decir, si un usuario compra un bolígrafo, le voy a enseñar carpetas y hojas.

Sin embargo, si tu aplicas machine learning, avanzarías un paso más, es decir, basándote en todos los usuarios, en todo lo que han comprado, en lo que ha pasado después de esa compra, voy a enseñarle los productos que a mí más me convenga con el fin de que el usuario compre esos productos relacionados.

Es decir, va mucho más allá de que simplemente, intuitivamente digamos este producto está relacionado con éste, y para pasar a serlo, vamos a poner un algoritmo que realmente vea los productos que sí que están relacionados. Aunque, quizás no sea intuitivo al 100% con el fin de que el usuario compre más

Por otro lado, con Spotify tenemos lo mismo, pero con sugerencias de música, las playlist que genera Spotify automáticamente, son semanales, mensuales. Siempre son diferentes para cada usuario, porque están en base a sus gustos.

Es decir, el algoritmo que tiene Spotify que se basa en machine learning, lo que hace es aprender de tus gustos y en base a eso enseñarte la música que más te convenga a ti para ayudarte a descubrir música nueva, para mezclarla con canciones que ya has escuchado, en fin, para que te guste Spotify, para que lo disfrutes, para que descubras nueva música y al fin y al cabo, para que tengas Spotify y tengas Spotify Premium.

Por otro lado, también tenemos otros tipos de machine learning que son mucho más sencillos, básicamente porque ya existen herramientas que te permiten implementarlo como el reconocer texto o el convertir el texto a voz, que también son otras formas de inteligencia artificial.

The post 68. ¿Cómo aplicar inteligencia artificial a las apps? appeared first on Diego Laballós.