Seguramente todo el mundo conoce Facebook y su red social. No obstante, Facebook no se queda en simplemente una red social, sino que aparte es una de las empresas que más investigan en el desarrollo tecnológico y de la Inteligencia Artificial.
Facebook cuenta con bastantes plataformas de IA y Machine Learning. Muchas de estas siguen en desarrollo actualmente y día a día siguen mejorando hasta el punto de buscar la perfección. Por desgracia, esto todavía es imposible, pero sí que es verdad que se ha avanzado mucho en los últimos años.
Por si fuera poco, Facebook también pone al alcance de cualquier usuario diversas plataformas de IA totalmente gratuitas para que la gente se familiarice y más gente se sume a desarrollar estas IA.
¿Que plataformas ofrece Facebook?
Prácticamente cualquier cosa que necesitemos referente al Machine Learning lo tenemos al alcance de nuestras manos incluido de manera gratuita. Dentro de su página de IA, podemos encontrar diversos marcos y herramientas. Por otro lado también podemos encontrar bibliotecas y conjuntos de datos, idiomas, discursos y razonamientos.
Dentro de cada uno de estos apartados hay diversas plataformas de ML y IA. Algunas de esas plataformas son incluso revolucionarias en su sector, como puede ser el caso de PyTorch, el cual es un marco de Deep Learning el cual es un paquete de Python diseñado para realizar cálculos numéricos haciendo uso de la programación de tensores. Además permite su ejecución en GPU para acelerar los cálculos.
La principal ventaja que ofrece PyTorch ante otras plataformas, es que tiene en cuenta aspectos de la vida real. Para entender rápidamente esto se puede hacer con un ejemplo. Si tú lanzas dos bolas de billar, una contra la otra, lo lógico es que choquen. No obstante cosas como estas no se contemplan en otras plataformas. Se encargan de controlar el movimiento de la bola, verificar su trayectoria y asegurarse que siga siendo una bola. No obstante no pueden tener en cuenta que pasaría si choca con algo. En PyTorch se puede realizar esto, puesto que se pueden cambiar variables una vez iniciado un proceso. En las otras plataformas has de predefinir todas las variables posibles al inicio.
Aparte de PyTorch, Facebook tiene mucho más que ofrecer.
Otra gran plataforma es ONNX, la cual se encarga de representar modelos de Deep Learning, lo cual permite a los desarrolladores el movimiento de los modelos de IA entre diferentes plataformas. ONNX es compatible con muchos marcos reconocidos como PyTorch, Caffe2, Microsoft Cognitive Toolkit y tiene soporte adicional a CoreML, TensorFlow, Qualcomm SNPE, Nvidia’s TensorRT e Intel’s nGraph.
Ahora que ya conocemos diversos marcos, pasemos a conocer otros apartados que también son muy interesantes.
Una de las plataformas disponibles es el traductor. Cada vez nos damos cuenta de que hay más plataformas de traductores disponibles. No obstante cada una tiene apartados que otras no tienen y siempre va bien poder comparar distintas plataformas y escoger la que nos parezca mejor en la práctica. Además de esto, Facebook cuenta con una plataforma llamada ParlAI, la cual es compatible con PyTorch y TensorFlow. Esta se encarga de recopilar datos de voz a texto y entenderlo, incluso pudiendo llegar a responder preguntas como lo hacen actualmente los chatbot.
Para terminar es necesario nombrar una herramienta que cada vez será más necesaria en el futuro. Hablamos de la herramienta apodada Hateful Memes (Memes odiosos). Esta se encarga de abordar un gran desafío en la actualidad, como es catalogar los memes en función de si realmente tratan de causar risa, o por otro lado, simplemente tratan de ser odiosos con algún grupo de gente o incluso dirigidos hacia una sola persona.
El gran problema de esto es que los memes suelen ser una fotografía acompañada de un texto. Para nosotros es sencillo entender que la fotografía y el texto van unidos para darle significado. No obstante una máquina los interpretaría por separado. Es por eso que en Hateful Memes se ha desarrollado la manera de clasificar los memes en 3 tipos diferentes:
1- Predominante de texto
2- Predominante de imagen y texto
3- Predominante de imagen
Al catalogarlos en estos 3 grupos es más sencillo entender cuál es el significado de cada meme. Una vez la máquina ha sido capaz de entender el significado que se le aporta a ese meme, es cuando llega el momento de catalogar si es odioso o no, consiguiendo así eliminar publicaciones dañinas para diversos grupos de personas.
Para concluir hay que añadir que Facebook está haciendo un gran trabajo a la hora de desarrollar su IA y remarcar lo importante que es permitir que otras personas prueben su IA de manera totalmente gratuita y entiendan como funciona. De esta manera más personas se unirán al desarrollo del ML y quien sabe, puede que de aquí a una década tenemos herramientas de ML capaces de realizar tareas como haría una persona de manera exacta.
