Hace un tiempo hablábamos de una herramienta que presentó Microsoft y que se convirtió en viral (las cifras sobre el éxito de la herramienta son bastante impresionantes: 80 millones de personas subimos 500 millones de imágenes en 7 días.), ya que adivinaba tu edad (o por lo menos lo intentaba). Ahora, dentro de la conferencia Strata + Hadoop, Joseph Sirosh, el mismo que presentó la herramienta en la pasada BUILD, comenta qué cosas han aprendido gracias a esta herramienta y los próximos pasos que están dando. Bienvenidos al backstage de una herramienta viral.

El nacimiento de la herramienta

El objetivo de la herramienta no era más que demostrar la potencia de las APIs que se iban a presentar. Entre ellas, herramientas de analítica de datos, de machine learning, de visualización, etc. Para el desarrollo, se contó con un ingeniero durante 3 semanas de trabajo. Tres días antes de la presentación, Joseph mandó un correo interno a Microsoft pediendo ayuda para el testeo de la herramienta, pidiendo por favor que no se divulgara. Por supuesto, no salió bien. Un twittero en Turquía hablo de la herramienta el mismo día. Y empezó a ser viral: 25.000 usuarios accedieron en 3 horas. Sin embargo, sacaron varias conclusiones. La primera, que era buena idea añadir botones para compartir en redes sociales (algún día hablaremos de estos botones y de como trackean a los usuarios), crearon un hashtag y, sobre todo, volvieron a escribir el post que tenían preparado para un enfoque mucho menos técnico.

La presentación al público

Una vez lanzado al público, la herramienta se convirtió en viral, tanto que le dedicamos un post en este mismo blog. Pero, ¿qué datos se pueden obtener de una herramienta como esta? En la propia demo enseñaron algunos de ellos, como por ejemplo el número de caras que se han subido, el genero de cada una de ellas, el edad estimada, la localización desde donde se ha subido, el sistema operativo, etc. En una herramienta tan sencilla como esta, se puede sacar una gran cantidad de información de cada uno de nosotros, sin mucho esfuerzo. Y consiguieron 50 millones de usuarios en la primera semana (por ponerlo en contexto, esa cifra de usuarios se consigió tras 75 años en el caso del telefono, y 35 días en el caso de Angry Birds), con un pico máximo de 1,2 millones de usuarios a la hora.

Lecciones aprendidas

Una de las más importantes es que el éxito se parece mucho a un ataque de denegación de servicio. Con ese volumen de peticiones, el haber montado la infraestructura adecuada evito el colapso de la misma. Por otro lado, la gente compartía más dos tipos de predicciones: las que eran precisas y las que eran muy erróneas (mucho más este segundo tipo de predicciones). También analizaron los datos que recogían, y vieron como en los puntos de máximo apogeo, se subían el doble de fotos de mujeres que de hombres, o como las franjas de edades que más aparecían eran o jóvenes o de mediana edad. También encontraron formas de parecer más joven (por lo menos a los ojos del algoritmo), quitando las gafas o la barba.

Y todavía se puede mejorar

El siguiente paso es seguir entrenando el algoritmo. Y la mejor forma de hacer eso, es con humanos. Por ello, han sacado la versión para que otra gente evalúe la edad de las personas de la foto. Y de esa forma seguir recogiendo datos y mejorando la precisión.

Este me parece un buen ejemplo de como, con un juego bastante sencillo, es posible recabar mucha más información de la que pudiera parecer a primera vista. En este caso, no se trata de información crítica, ni puede que muy interesante, pero esto demuestra que de cualquier fuente de datos, hoy en día, cualquiera puede sacar una gran cantidad de información y, si es listo, hasta hacer un buen negocio.

The post El backstage de «How Old Are You» appeared first on S3lab.

¿Cómo funciona?

Desde el blog de Revolution Analytics añaden algo de luz al respecto. Esta compañía, especializada en la herramienta R y recientemente adquirida por Microsoft, revela algunos que en realidad es un experimento interno. En concreto, forma parte de un proyecto denominado Proyecto Oxford que cuenta con APIs para el reconocimiento facial, de voz, y de visión, además de reconocimiento inteligente del lenguaje.

Algunos expertos ya elucubran sobre cómo funciona la plataforma. En realidad, el algoritmo para la detección de cara está más que presente hoy en día, por ejemplo en teléfonos móviles o en cámaras. La hipótesis del investigador es que poseen una gran base de datos con fotos de personas ya categorizadas por sexo y por edad. Posteriormente, se extraen características de las fotos, utilizando algoritmos de caracterización como por ejemplo el algoritmo HOG y posteriormente, seguramente utilizando técnicas de Deep Learning, realizan la labor de clasificación para determinar la edad y el género.

¿Y sí lo usamos para controlar el contenido?

Como bien comentabamos anteriormente, la biometria es un elemento que cada vez se utiliza más en el ámbito de consumo. Móviles que reconocen si soy yo, identificación por la forma de teclear, etc. Sin entrar en la precisión que tienen este tipo de sistemas en la actualidad (que seguro que mejora con el tiempo), parece claro que una posible utilidad de una herramienta como la presentado por Microsoft es la restricción al contenido por edad o por género (sólo puedes acceder a este contenido si eres mujer, o si eres mayor de 13 años, y yo lo compruebo con mi sistema).

Pero podemos todavía llevarlo más lejos, y recopilando la información de la autenticación, es decir, fotos de los usuarios, tenemos una base de datos de fotos que puede llegar a ser muy interesante desde el punto de vista de la publicidad.

Como siempre, este tipo de tecnologías ofrecen una gran serie de ventajas, pero habrá que estar atentos para ver cómo evoluciona y, sobre todo, el grado de precisión que tiene. En cualquier caso, los próximos años en esta área van a ser tremendamente entretenidos.

Y es que la precisión de la herramienta desarrollada por Microsoft a veces asombra.

The post Microsoft, ¿que edad tengo? appeared first on S3lab.