Google, Machine Learning y cómo tu móvil se hace cada vez más y más inteligente

Google, Machine Learning y cómo tu móvil se hace cada vez más y más inteligente

Los teléfonos, con el paso del tiempo, se han ido haciendo cada vez más y más inteligentes. Primero vino la conexión a Internet, luego las aplicaciones, luego la potencia bruta y, finalmente, estamos asistiendo a la eclosión de la Inteligencia Artificial y el Machine Learning. Aunque tú no lo notes, tu móvil aprende de ti con el paso del tiempo. Aprende cómo escribes, cómo te comportas, qué patrones de uso tienes y eso lo usa para adaptar tu móvil a tus necesidades. ¿Pero y si te dijese que tu móvil usa tus datos, y los datos de millones de usuarios, para hacerse más y más inteligente? Esto, amigo mío, se llama Federated Learning.

GBoard

Primero, antes de empezar, debes entender cómo funciona el Machine Learning. No vamos a entrar en detalles, pero se podría decir que el Machine Learning consiste en un programa/app/ordenador que aprende mediante el procesamiento de datos suministrados en forma de ejemplos. Si yo quiero entrenar un programa para que sea capaz de realizar reconocimiento facial, debo entrenarlo con millones y millones de fotos para que aprenda qué es una cara, cómo es y qué patrones sigue. El problema de este sistema es que requiere que los datos estén centralizados, es decir, que haya un organismo o entidad que los controle.

Esto es lo que Google hace con su plataforma de computación en la nube, una de las más grandes y seguras.

El Federated Learning, o aprendizaje federado, permite que un programa, o en este caso, un smartphone, aprenda de otros terminales de forma colaborativa, manteniendo al mismo tiempo todos los datos en el dispositivo. Dicho de otra forma, gracias a esta técnica, tu teléfono aprenderá del uso que hacen otras personas de su móvil, y se adaptará para que tu experiencia sea mejor. Para verlo con otra perspectiva, abordaremos este tema usando como ejemplo el GPS.

Cómo usas tu móvil ayuda a que mi móvil sea más inteligente, y viceversa

Imagina que en este planeta hubiese dos tipos personas: unos que usan mucho el GPS y otros que no lo usan nunca. Google analizaría los patrones de comportamiento de ambos grupos y, posteriormente, modificaría la configuración de los dispositivos para adaptarlos mejor a sus tendencias de uso. De esa forma, Google sabría que todos los miembros del primer grupo usan mucho el GPS, por lo que tiene sentido que el GPS se actualice más rápido aunque consuma más batería.

Por otro lado, dado que los miembros del segundo grupo no usan nada el GPS, no tiene sentido que este se actualice rápido, por lo que se podría reducir la tasa de refresco del GPS a favor de conseguir una mayor autonomía. De esa forma, los smartphones de los miembros de ambos grupos se adaptan y se comportan de forma idónea para cada usuario. Imagínate esto, pero elevado a la enésima potencia. Algo así es lo que hace Google, solo que con muchos algoritmos y tecnología de por medio.

¿Te parece interesante? Pues esto ya está en marcha en el teclado de Google. ¿Por qué Google sabe qué, cuando escribes "pizzería", te refieres al Telepizza de tu ciudad? Porque muchas personas de tu ciudad han buscado "pizzería" y han seleccionado ese Telepizza. Google ha entendido que cuando la gente escribe "pizzería" lo hace para buscar la dirección de ese Telepizza, así que, directamente, te ofrece su dirección porque, posiblemente, sea lo que estás buscando. Aprende de ti y te facilita la tarea.

Aprendizaje colectivo para mejorar tu privacidad

Esto se hacía ya, con la diferencia de que el proceso estaba centralizado. Los smartphones tenían que enviar los datos a los servidores de Google, donde sus algoritmos los analizaban y procesaban. Ahora no. Lo que se hace en el Aprendizaje Federado es descargar un modelo genérico de Machine Learning que guarda tus registros de forma local en el móvil. La manera en la que usas tu terminal modifica este modelo genérico, y lo que se hace es enviar un "registro de cambios". Básicamente, le estás diciendo a Google cómo ha cambiado el modelo, pero no le estás enviando los datos brutos como tal.

Estos registros, que están anonimizados, se envían --encriptados--, agrupan y procesan por parte de Google para mejorar el modelo de Machine Learning, lo que ayuda a que los smartphones se hagan más y más inteligentes. Esto tiene dos ventajas:

  1. Favorece la privacidad, ya que los datos se quedan en tu terminal y no en unos servidores externos.
  2. No afecta al rendimiento del terminal ni al usuario, ya que se envían cuando el dispositivo está cargando, no se está usando o está conectado a una red WiFi.

Así, gracias al Aprendizaje Federado y al Machine Learning, podemos conseguir, entre todos, que Android sea un sistema más inteligente y trabaje para nosotros. Al fin y al cabo, ¿qué es la tecnología sino una herramienta para hacernos la vida más fácil? Si te interesa indagar en términos más complicados, la propia Google publicó hace un tiempo un post explicando cómo habían conseguido desarrollar esta tecnología. Puedes leerlo aquí.

Para estar siempre al día con lo último en tecnología, suscríbete a nuestro canal oficial y verificado de Andro4all en WhatsApp.

Para ti
Queremos saber tu opinión. ¡Comenta!