Así puedes usar la inteligencia artificial de Google Cloud en tu propia empresa

Google celebró la semana pasada su segunda edición del Cloud Summit, el evento anual para presentar las novedades y los servicios ofrecidos por la tecnológica y sus partners, que ha pivotado sobre dos ejes fundamentales en la industria de la nube: la seguridad y la inteligencia artificial. Sobre esta última, el machine learning fue el protagonista absoluto y, en especial, el Auto ML, un servicio de creación de modelos a partir de modelos preexistentes de Google con el que el cliente puede personalizar cómo aprende la IA que maneja para conseguir un objetivo determinado. 

Además, con los ecos del escándalo de la fuga masiva de datos de Facebook resonando de fondo y la nueva ley europea de protección de datos en el horizonte, Paul Strong, director técnico de Google Cloud, Carol Carpenter, vicepresidenta Marketing de Producto de Google Cloud, y el resto de ponentes centraron su discurso en la seguridad de la nube, un aspecto que tradicionalmente ha espantado a las empresas españolas a la hora de trasvasar su información.

Yolanda Lamilla, directora estratégica de Google Cloud en España, consideraba que la labor de Google en este sentido es principalmente "didáctica", debido a que "en España, hay gente a la que le sigue asustando incluso dejar su dinero en el banco". Por eso, destacaba que "en los últimos tres años Google ha invertido 31.000 millones de euros en la mejora de sus infraestructuras" precisamente para revertir esa falta de confianza de las empresas españolas en la nube.

Leer más: Las 15 novedades más destacadas que Google ha anunciado en su conferencia anual

"Está llevando un tiempo, pero ya muchas empresas españolas están utilizando la seguridad como uno de los criterios para pasarse a la nube. Toda la inversión que puede hacer una empresa como Google para proteger nuestra información, con todos los gurús en seguridad que en Google están constantemente detectando vulnerabilidades, anticipándose a resolverlas y luego ofreciendo soluciones a comunidades abiertas para contribuir a estar mejor protegidos contra ciberataques; esto es una continua tarea que Google está haciendo. Es nuestra contribución al mercado tecnológico para que se elimine ese miedo a que tus datos puedan estar expuestos", explicaba.

Durante su intervención, Paul Strong destacaba que el 59% de las empresas a nivel mundial no disponen de estrategias de encriptado para prevenir ataques. Un porcentaje que preocupa a Lamilla, quien consideraba "que los datos estén cifrados añade un nivel adicional de protección que es fundamental en el entorno de la nube. Google lo que ofrece es cifrado por defecto, tanto al almacenar los datos como al moverlos de un sitio a otro. Nosotros no lo damos como algo opcional, sino que desde el primer instante en el que se suben los datos a los servicios de Google se mantienen cifrados; y hay servicios en los que incluso aplicamos una doble técnica de algoritmo de cifrado, como puede ser en G-Suite".

En este sentido, Lamilla aseguraba que Google recibe la nueva ley europea de protección de datos "con entusiasmo porque, a fin de cuentas, lo que está haciendo el nuevo marco regulatorio es determinar cómo se protegen los datos y en esto estamos también en Google. Para nosotros es fundamental que los datos están lo más protegidos posible y que estamos enmarcados en la legislación vigente en cualquier región en la que operemos. Google no tiene la más mínima intención de operar en ninguna región o país donde no esté perfectamente amparada[la protección de datos] por la legislación. Estamos totalmente comprometidos con el nuevo reglamento europeo".

Los partners, una solución a nivel global

Por otra parte, Lamilla comentaba que, en España, la difusión de Google Cloud a nivel empresarial está centrada en los partners. Y la reciente alianza con Telefónica supone "una apuesta firme por llegar al mercado corporativo. Estamos expandiendo nuestro ecosistema de partners, que para nosotros es fundamental, porque es la manera de dirigirnos al mercado. Siempre vamos a través de un tercero que nos ayuda a desplegar los proyectos y, desde luego, Telefónica es uno de los aliados fundamentales en el mercado español".

Una estrategia que no sólo se desarrolla en España, ya que "esto lo está haciendo Google Cloud a nivel global. Para nosotros es fundamental para llegar al entorno corporativo, no pensamos que haya otra fórmula posible. Aquí se han presentado alianzas que se han anunciado recientemente a nivel mundial, como pueden ser las alianzas con Salesforce, con Cisco... Y estamos continuamente abriendo nuevas alianzas con los actores principales del mercado tecnológico".

"El principal diferenciador de Google Cloud en este mercado es tener muy bien resuelto el problema de la analítica de los datos, que es el principal activo de las empresas y en las que se pueden apoyar realmente las decisiones de negocio. Y, además, nosotros lo hacemos desde la experiencia: Google, desde su nacimiento, estaba orientado al dato, siendo conscientes de que las decisiones, cuando se toman en base a datos, normalmente derivan en mejores resultados. Por lo tanto, lo que hacemos es ofrecer al mercado soluciones probadas por Google, que funcionan a escala global, con todas las innovaciones que nuestros ingenieros van incorporando en estas herramientas que, en muchos casos, primero se consumen internamente y luego se las ofrecemos al usuario en un modelo de pago por uso", exponía Lamilla.

El Auto ML, la gran apuesta de machine learning

Una de esas soluciones de las que hablaba Lamilla se puede apreciar en el Auto ML: "La propuesta que Google ofrece al mercado de machine learning incluye distintos modelos de consumo. El primero de ellos pasa por utilizar modelos expertos preentrenados por Google. Son APIs totalmente desarrolladas y se aplica un modelo puro de pago por uso: solamente pagas por el consumo que hagas de esos sistemas expertos. Tenemos una API de reconocimiento de imágenes, una de traducción de textos entre distintos idiomas, hay otra de procesamiento inteligente del vídeo ─para poder hacer etiquetas en un vídeo y buscar información en función de palabras clave─, hay otro de procesamiento de lenguaje natural que permite hacer un análisis semántico de un texto, hay otras que pasan el lenguaje de audio a texto y de texto a audio...".

"Hay varios modelos preentrenados por Google con una cantidad masiva de datos que se han utilizado para entrenar estos sistemas, porque el machine learning necesita tres elementos: un volumen muy alto de datos, mucha capacidad de cómputo ─que es justo lo que está haciendo que explosione el entorno de machine learning ahora mismo─, y por último necesitamos tener algoritmos sofisticados, que son justamente lo que hemos estado desarrollando últimamente en Google; algoritmos que apliquen técnicas muy sofisticas en el entrenamiento del sistema experto. E, incluso, hemos sacado específicamente CPUs [llamadas Tensor Flow Processing Units, cuya versión 3.0 es hasta ocho veces más rápida que las anteriores] con procesadores diseñados para ejecutar esos algoritmos con mejor rendimiento", explica Lamilla.

Leer más: Facebook, Amazon y Google asesorarán a Trump para regular la inteligencia artificial

"Pero si no te sirven estos modelos entrenados por Google, tú tienes que construir uno con tus recursos, con la ayuda de Google, de nuestros partners, y tienes que pasar por todo el proceso de definición del modelo, entrenamiento del modelo, prueba del modelo y puesta en marcha. El modelo intermedio es elAuto ML: a partir de un modelo que ya ha entrenado Google, por ejemplo de imágenes, si lo que Google te ofrece como resultado no es suficiente se pueden añadir tus propias imágenes en aras a conseguir un determinado objetivo", Es el caso expuesto en la presentación, en la que se creaba un modelo para detectar qué tipo de bicicleta se veía en una imagen entrenando previamente a la IA con 33 ítems debidamente etiquetados.

Pero más allá de la demostración, Lamilla ve una aplicación directa del Auto ML "en el entorno de retail, donde el reconocimiento de imágenes es capaz de decirte si eso es una zapatilla, pero no es capaz de distinguir entre una marca y otra; si yo lo que quiero es entrenar un modelo capaz de distinguir entre marcas, tengo que subir esas imágenes al sistema para entrenar de manera complementaria el sistema experto de reconocimiento de imágenes de Google para mostrarte esas categorías como resultado". El Auto ML, de momento sólo se está "aplicando al reconocimiento de imágenes, aunque nuestra idea es que lo vayamos aplicando al resto de sistemas expertos que ya hemos lanzado al mercado".