fbpx
Connect with us

Tecnología

Conoce Motorola One: un teléfono con Android puro, seguridad, inteligencia y gran cámara

El Rework
Gabriel Ilić

Publicado

el

El nuevo Motorola One una co creación entre la compañía Motorola y Android, lanza al mercado un celular que promete seguridad, inteligencia y una gran cámara.

El nuevo gran lanzamiento de Motorola significa un precedente en la colaboración de Android y Motorola. Dicha colaboración se ve reflejada en la implementación de Android One dentro del dispositivo. Este sistema le otorga al dispositivo mayor seguridad e inteligencia.

El Motorola One permite acceder a actualizaciones de seguridad todos los meses para asegurar al dispositivo, además de priorizar actividades, para ofrecer un mayor rendimiento y reducir el consumo de energía.

En términos de hardware la cámara representa una de sus mayores fortalezas. El celular cuenta con una doble cámara de 13 megapixeles más 2 megapíxeles en su capturadora frontal. Cuenta con diferentes modos de captura tales como el modo retrato, color destacado, manual, embellecimiento, dinámico y panorama. Además cuenta con Google Lens sistema que permite buscar con la cámara algún objeto en internet.

La memoria RAM es de 4 Gigabytes con un procesador octa-core Qualcomm Snapdragon. Su almacenamiento interno es de 64 GB y su sistema operativo un Android Oreo 8.1.

La pantalla Max Vision de 5.9 pulgadas cuenta con una resolución de 1520 x 720 píxeles. El celular cuenta con un modelo en color blanco y negro.

Marcelo Ferrante, manager de partnerships de Android para latinoamérica señaló que "Android One es un portafolio global de excelencia de Android, donde Google diseña un software seguro e inteligente, y ahora combina con Motorola toda su innovación y gran calidad y facilidad para los usuarios".

Tecnología

Así pueden los partidos y empresas analizar sus opiniones en Twitter

Avatar

Publicado

el

Las personas expresamos continuamente nuestras opiniones y sentimientos de muchas maneras: mediante expresiones gestuales, de forma oral y también por escrito. Esta última forma ha ido adquiriendo mayor importancia debido al uso, cada vez más extendido, de las redes sociales, donde la comunicación se realiza principalmente publicando e intercambiando mensajes.

La proliferación de esta modalidad de comunicación lingüística ha generado un gran interés por los programas para procesar automáticamente textos y detectar y clasificar sentimientos y opiniones.

Para las empresas es cada vez más importante conocer la opinión que se tiene sobre sus productos y servicios, lo que se ha venido a llamar gestión de la reputación. La monitorización de la opinión ciudadana expresada en redes sociales complementa a los métodos tradicionales basados en encuestas: las redes sociales se han convertido en una fuente de fácil acceso a grandes cantidades de palabras, frases y textos que expresan opiniones de manera espontánea.

De las webs especializadas a las redes sociales


Los primeros foros donde los usuarios podían compartir opiniones fueron aquellos relacionados con las reseñas turísticas y de productos para el ocio (libros, películas, dispositivos electrónicos, etc.), como por ejemplo TripAdvisor, Booking, Amazon y los portales para cinéfilos IMDb y RottenTomatoes.

Hoy en día las las redes sociales (Facebook, YouTube, Instagram, Twitter, etc.) han ganado en popularidad a estas webs. Mientras que los foros de Tripadvisor reciben 270 contribuciones (opiniones) por minuto, se publican alrededor de 6 000 tuits por segundo en el mundo. Solo en España hay 6,4 millones de usuarios de Twitter.

El crecimiento exponencial de los datos en forma de textos escritos disponibles permite que se utilicen cada vez más las técnicas de procesamiento del lenguaje natural, basadas en inteligencia artificial. Se trata de algoritmos que analizan el lenguaje humano para detectar sentimientos y opiniones con respecto a productos, organizaciones (partidos políticos, empresas, etc.) o temas en concreto (Brexit, Unión Europea).

¿Es amor u odio?


Los sistemas que mejores resultados obtienen son los que utilizan categorías simples para clasificar los fragmentos de texto. Tienen en cuenta dos variables: la subjetividad (determinan si un texto es objetivo o subjetivo) y la polaridad (determinan la connotación o sentido de un texto).

A su vez, esta polaridad se clasifica en tres categorías según la opinión tenga carácter positivo, negativo o neutro, en base a una escala numérica (0-5). Veamos algunos ejemplos de tuits:

  1. “Nos planteamos el porqué de su estrella y nos dolió el bolsillo”.
  2. “Buen ambiente, servicio mediocre”.
  3. “@USER jajajaja la tuya y la d mucha gente seguro!! Pero yo no puedo sin mi melena me muero”.

Las frases 1 y 3 expresan sentimientos negativos. Sin embargo, no resulta fácil asignar una polaridad a la frase 2.

La gran mayoría de los primeros sistemas que analizaban sentimientos clasificaban las opiniones usando un baremo como el de las reseñas de películas. Es decir, se simplificaba la clasificación haciendo que el sistema pudiera detectar una única polaridad de la opinión (lo que valdría para las frases 1 y 3).

El texto 2, sin embargo, demuestra la necesidad de analizar el mensaje más detalladamente, ya que en realidad expresa dos opiniones: una sobre el ambiente del local (positiva) y otra sobre el servicio (negativa). Dos aspectos sobre el mismo tema que forman parte de la opinión.

Las redes sociales son espacios de opinión. Tracy Le Blanc/Pexels

Así, cada objeto o tema puede incluir diferentes aspectos. En el caso de que el tema sea restaurantes, los aspectos a tener en cuenta podrían ser el ambiente, el precio, el servicio, la calidad de la comida, etc. Mientras que si el tema es sobre cámaras de fotos, los aspectos se corresponderían, por ejemplo, con las características del dispositivo.

Finalmente, en los ejemplos anteriores se ponen de manifiesto algunas de las dificultades a las que se enfrentan los sistemas de análisis de sentimientos: por ejemplo, la expresión “nos planteamos el porqué de su estrella” no indica explícitamente la polaridad de la opinión y las expresiones idiomáticas como “doler el bolsillo” y el lenguaje informal característico de las redes sociales como Twitter (“jajaja”) suponen obstáculos adicionales para el análisis automático.

¿Depende del idioma?


Ahora bien: ¿cómo es un programa capaz de reconocer nuestros sentimientos y saber si nuestras opiniones en las redes sociales son positivas o negativas, independientemente de que escribamos en lenguaje no estándar y en diferentes idiomas?

Resumiendo, se podrían distinguir tres métodos principales para detectar y clasificar sentimientos en un idioma concreto:

  • El primero consiste en generar previamente diccionarios de palabras tipo que indican si una frase es positiva o negativa (doler, mediocre, morir, “ja”) e identificar automáticamente esas palabras en el texto a clasificar.
  • El segundo consiste en la generación manual de reglas. Una regla como “adjetivo buen + nombre” podría ser buena para detectar expresiones con polaridad positiva. Estas reglas pueden llegar a ser muy elaboradas teniendo en cuenta la complejidad que puede alcanzar la estructura sintáctica de las oraciones.
  • El tercero consiste en aplicar técnicas de aprendizaje automático sobre un conjunto de textos generados previamente para entrenar modelos de clasificación estadística. Una vez se les enseña qué es positivo y qué es negativo, pueden hacer predicciones para clasificar otras publicaciones y mensajes.

Los tres métodos se aplican a un solo idioma y los tres asumen que se va a trabajar con lenguaje correcto gramatical y ortográficamente. Esto supone que, en casos como el texto 3 (jerga de Twitter) hay que transformar las expresiones a lenguaje estándar.

¿Hasta qué punto son fiables?


Los sistemas de análisis de sentimientos se evalúan mediante métodos cuantitativos y cualitativos.

  • La evaluación cuantitativa compara automáticamente los resultados del análisis del sistema respecto a un conjunto de textos y se calcula el margen de error. Esta evaluación permite guiar el desarrollo del sistema de análisis de sentimientos para modificarlo y paliar fallos.
  • La evaluación cualitativa la realizan personas con el objetivo de valorar si el sistema proporciona información relevante y útil para una aplicación en concreto. Por ejemplo, para detectar la bajada en clientes de una cadena hotelera, la explicación de los malos resultados electorales de un partido político, entender la pérdida de suscriptores de un medio digital, etc.

Ambas evaluaciones se realizan con respecto a una colección amplia de textos (miles de ellos), ya que al valorar si el sistema ha funcionado bien solo para una frase podríamos encontrar un acierto o fallo puramente anecdótico.

El valor de los sistemas de análisis de sentimientos y opiniones reside, por tanto, en la agregación de miles o millones de mensajes y publicaciones sobre un tema específico. Y sí, son fiables. Aunque, como el resto de las tareas de procesamiento del lenguaje natural, sigan teniendo margen de mejora. Pero son ya tan fiables que desde hace años sus aplicaciones para las empresas y para las administraciones no deja de crecer.The Conversation


Este artículo fue publicado originalmente en The Conversation. Lea el original.

Continue Reading

Tecnología

¿Se convertirán los Huawei en (muy buenas) cámaras de fotos?

Avatar

Publicado

el

Huawei
TY Lim/Shutterstock

Desde hace varios meses, los medios de comunicación se hacen eco de la guerra comercial entre dos de las mayores potencias mundiales, EE UU y China. Aunque las implicaciones para nuestro día a día son altas, lo veíamos como algo lejano.

Sin embargo, cuando este 20 de mayo nos levantábamos con la noticia que anunciaba que Google rompía su relación comercial con Huawei en todo lo relativo a transferencia de hardware, software y servicios, excepto los que están cubiertos por licencias de código abierto, comenzamos a preocuparnos. En España, Huawei es el segundo fabricante con mayor cuota de mercado de venta de smartphones, con un 20,47%, solo superado por Samsung.

Dejando a un lado los motivos e implicaciones económicas de esta decisión, cuya aplicación efectiva ha sido recientemente pospuesta tres meses, intentaremos en este artículo explicar algunas de las implicaciones que esta medida tendrá para los propietarios de dispositivos Huawei.

¿Qué parte de Android es de uso exclusivo?


Android es un sistema operativo desarrollado por Google (para ser más exactos, inicialmente por una empresa denominada Android Inc. que Google compró en 2005) basándose en una versión modificada del kernel o núcleo de Linux y otro software de código abierto.

A este sistema se le añade una serie de software propietario. Pueden ser controladores para que funcione determinado hardware del dispositivo móvil, como la cámara o la tarjeta gráfica, desarrollado por diversos fabricantes. Y otros tipos de software propietario desarrollado por Google, como el navegador Chrome y las aplicaciones Youtube, Gmail y Google Maps, entre otros.

Además, el software propietario de Google también incluye lo que se denominan los Google Play Services, que es un paquete de servicios y API desarrollado por Google sobre Android del que pueden hacer uso aplicaciones externas. Algunos ejemplos de estos servicios son Google Play Game Services, que facilita servicios relacionados con aplicaciones de juegos, Google Location API, que permite realizar aplicaciones que hagan uso de la localización del dispositivo, etc. En total son en torno a 50 servicios en los que se basan muchas de las aplicaciones que se desarrollan para Android.

Finalmente, estaría la Google Play Store, una tienda de aplicaciones desarrollada y operada por Google, que permite a los desarrolladores publicar sus aplicaciones y a los usuarios poder comprarlas y mantenerlas actualizadas. Desde 2017, también se incluye Google Play Protect que revisa periódicamente las aplicaciones instaladas en busca de riesgos de seguridad.

¿Qué parte de Android es de código abierto?


Google deja disponible el código fuente de la parte de Android no propietaria en lo que se denomina el Android Open Source Project (AOSP). Este código fuente no incluye ni los controladores hardware, ni el software y servicios propietarios desarrollados por Google.

Hay empresas y comunidades de desarrolladores que partiendo de este código AOSP desarrollan otros sistemas Android. Algunos ejemplos son Amazon, que ha desarrollado su propio sistema operativo basado en Android para sus móviles y tabletas, denominado Fire OS, y otros fabricantes como Xiaomi que también lo han realizado para su mercado en China. También grupos de desarrolladores han creado sistemas basados en Android como CyanogenMod o su sucesor actual LineageOS.

La mayor parte de los fabricantes optan por utilizar la versión de Android que incluye también el software y los servicios propietarios de Google, lo que implica que tienen que firmar un acuerdo de licencia con Google.

Los Huawei tienen un Android modificado. Andri Koolme/Flickr, CC BY

Dentro de los fabricantes que utilizan este Android licenciado podemos distinguir dos grandes grupos:

  • El primero de ellos usa el sistema prácticamente sin ninguna modificación, denominado Android One.
  • El segundo de ellos opta por introducir una capa de personalización al sistema operativo que incluye, por ejemplo, cambios en el interfaz de usuario o ciertas aplicaciones propietarias, que intentan diferenciar sus dispositivos de la competencia. Huawei pertenece a este segundo grupo, y su sistema operativo basado en Android se denomina EMUI.

Algunos fabricantes incluso optan por soluciones mixtas, teniendo dispositivos de ambos tipos.

Así funcionan las actualizaciones de seguridad


Como explicamos en un artículo anterior, en Android, como en cualquier otro sistema operativo, se descubren vulnerabilidades que pueden ser aprovechadas por software malicioso para comprometer la seguridad de nuestros dispositivos.

La política actual de Google respecto a las actualizaciones de seguridad de Android es recomendar como buena práctica que el sistema operativo Android del teléfono tenga una actualización de seguridad mensual, que corrija todos los errores que se han podido detectar. Para ello, entrega a los fabricantes mensualmente los parches de seguridad necesarios.

Google distribuye estos parches mensuales de forma inmediata a los teléfonos que fabrica él mismo (los Pixel) y también llegan mensualmente a teléfonos de otros fabricantes bajo el programa Android One. Para fabricantes con una capa de personalización mayor, como es el caso de Huawei, Google recomienda una frecuencia mínima de actualización de tres meses, pero depende del fabricante seguir esta recomendación. Google garantiza la disponibilidad de estos parches durante tres años.

¿Qué ocurre con la seguridad de los Huawei?


Si finalmente se hace efectiva la amenaza estadounidense, según lo que ha anunciado Google, Google Play Store y Google Play Protect seguirán funcionando en los dispositivos Huawei que ya tenemos. Esto significa que podremos seguir utilizando las aplicaciones y mantenerlas actualizadas. Lo que parece, a falta de más aclaraciones por parte de Google, es que para Huawei quedarían inaccesibles los parches de seguridad. Por tanto, nuestro sistema operativo no recibiría actualizaciones de seguridad y no se corregirían vulnerabilidades que puedan aparecer.

Huawei ha lanzado nuevos modelos. Huawei/Honor

Teóricamente, el propio Huawei podría intentar desarrollar sus propios parches de seguridad, pero solo de la parte no licenciada, es decir de AOSP. De todas formas, en nuestra opinión, esto tiene bastante coste y es poco probable que lo pueda realizar al mismo ritmo que lo hace Google.

Aunque recordemos, como hemos dicho antes, que, si nuestro dispositivo tiene más de tres años, ya no tenía garantizadas estas actualizaciones. Incluso si es más reciente, posiblemente tampoco está entre los que reciben estas actualizaciones. Huawei mantiene una lista de los modelos de dispositivos con parches de seguridad mensuales o trimestrales. Si nuestro dispositivo no está en esta lista, posiblemente la ruptura del acuerdo con Google no nos suponga ningún cambio.

Un sistema operativo propio


En el futuro, para próximos dispositivos, Huawei podría no contar con la versión licenciada por Google, aunque podría desarrollar un sucesor de EMUI a partir de la versión AOSP de Android. Al igual que otros sistemas basados en AOSP, como Fire OS, tendría que tener su propia aplicación de mapas, correo electrónico y tienda de aplicaciones, no pudiendo utilizar las de Google. Pero es que, además, muchas de las aplicaciones que se desarrollan para Android y que están en Google Play Store no podrían funcionar en su sistema operativo porque hacen uso de los Google Play Services.

Los desarrolladores de estas aplicaciones deberían hacer versiones específicas que no usasen los Google Play Services, sino otras alternativas. Esto implica que el número de aplicaciones disponibles para el nuevo sistema se reducirían considerablemente. Por ejemplo, en el caso de Fire OS en la tienda de aplicaciones de Amazon, Amazon Appstore, hay menos del 20 % de las aplicaciones disponibles en la Google Play Store. Huawei ya tiene una tienda de aplicaciones propia, denominada Huawei AppGallery, en la que algunas de las aplicaciones más populares de Google Play no están presentes.The Conversation


Este artículo fue publicado originalmente en The Conversation. Lea el original.

Continue Reading

Tecnología

Se busca traductor automático infalible

Avatar

Publicado

el

En el mundo se hablan miles de idiomas y dialectos, lo que constituye una barrera importante en la comunicación entre personas, administraciones y empresas. La traducción automática (machine translation en inglés) es una herramienta imprescindible que permite reducir dicha barrera, ya que posibilita la traducción de textos y voz en dispositivos electrónicos.

Aunque las cifras varían según las fuentes, el tamaño del mercado de la traducción en el mundo podría superar los 12 mil millones de dólares al año. Por otra parte, el número de empresas que dan servicios de traducción superan las tres mil.

El concepto de la traducción automática viene de antiguo, pero hasta la segunda mitad del siglo pasado no se materializa en sistemas funcionales. Los primeros sistemas estuvieron basados en la transferencia a los computadores del conocimiento que poseen los humanos sobre traducción. Este conocimiento se representaba en forma de reglas. La construcción de tales sistemas era un proceso costoso en todos los sentidos.

Traductores a partir de datos


A finales de la década de los 80 se propone una aproximación basada en la construcción automática de traductores a partir de conjuntos existentes de traducciones (corpora bilingües). En esta aproximación se utilizaban técnicas de aprendizaje automático (machine learning) y, concretamente, técnicas estadísticas para construir los correspondientes modelos. Esto dio lugar a lo que se conoce como traducción automática estadística (statistical machine translation).

Estos modelos utilizan probabilidades para relacionar palabras o secuencias de palabras con sus posibles traducciones. Aunque esta idea tampoco era nueva, la propuesta de modelos muy sofisticados y la potencia de los computadores de la época permitieron construir traductores automáticos muy competitivos. De hecho, la calidad de las traducciones era equivalente o mejor que la de los sistemas existentes y con un coste de desarrollo muy inferior.

Pero los sistemas así construidos presentaban un problema importante: la necesidad de disponer de corpora bilingües de un cierto tamaño. Por otra parte, los traductores obtenidos solo eran adecuados para el dominio del corpus utilizado.

Es más difícil conseguir corpora bilingües de lenguas minoritarias.Cybrain/Shutterstock

En esa época también se propusieron otras técnicas. Una de ellas basada en modelos de estados finitos, otra en redes neuronales (neural machine translation) simples y una tercera en memorias de traducción (translation memories). Esta última técnica estaba basada en el almacenamiento de un gran número de traducciones y el proceso consistía en buscar la frase almacenada más parecida a la que se quería traducir. En las empresas de servicios de traducción, esta técnica es muy utilizada sola o en combinación con traductores estadísticos o los basados en reglas.

Presente y futuro: las redes neuronales


En la actualidad, una evolución de los modelos basados en redes neuronales constituye lo último en tecnología para la traducción automática. Esta evolución se debió a la aparición de modelos neuronales muy sofisticados en el marco del aprendizaje profundo (deep learning). El éxito de estos modelos también se debió a que era posible acceder a dispositivos con una gran potencia de cálculo y con un coste aceptable.

Todo ello ha permitido que la traducción automática basada en esta tecnología sea utilizada ampliamente con éxito por las industrias de la traducción. Además, este tipo de sistemas está detrás de muchos de los traductores automáticos que se encuentran en páginas web muy conocidas y a los que se pueden acceder de forma gratuita.

Por otra parte, y gracias a la existencia de conjuntos de herramientas de desarrollo abiertas, las empresas pueden construir traductores automáticos de alta calidad con un esfuerzo humano limitado. Esto es posible siempre que se disponga de corpora bilingües suficientemente grandes. Una vez más, este hecho constituye un importante problema en muchas ocasiones, ya que para muchos pares de lenguas no existen tales corpora o son pequeños.

Supervisión humana


En muchos casos, los traductores automáticos basados en redes neuronales generan traducciones de una calidad suficiente. Sin embargo, cuando se requieren traducciones de alta calidad, las empresas suelen utilizar los traductores automáticos para generar frases que, posteriormente, son corregidas y revisadas por traductores humanos. Este proceso es conocido como postedición y tiene un coste muy inferior a la traducción realizada desde un principio por humanos.

Una alternativa a la postedición consiste en hacer colaborar al traductor humano y al automático dentro de un proceso interactivo. En este caso, el humano hace correcciones que el sistema puede aprovechar para generar nuevas y posiblemente mejores traducciones. Esta técnica, conocida como traducción interactiva-predictiva, permite mejorar la productividad gracias a la componente automática y, al mismo tiempo, garantizar la calidad de las traducciones gracias a la intervención humana, pero con un menor esfuerzo.

En estos escenarios interactivos, las nuevas traducciones corregidas pueden utilizarse para mejorar los modelos subyacentes en los traductores automáticos. Para ello se utilizan técnicas de adaptación y concretamente de aprendizaje en línea (online learning).

Otro aspecto interesante es la posibilidad de que el traductor humano utilice otros medios además del teclado y el ratón. Ejemplos de estos medios pueden ser la voz, el lápiz electrónico, pantallas táctiles, imágenes o dispositivos de seguimiento de la mirada. Estos medios complementarios permitirán reducir el esfuerzo humano necesario para generar traducciones de calidad.

La traducción automática hoy y mañana


En resumen, hoy en día la traducción automática de textos es una herramienta útil, ampliamente utilizada tanto por las empresas que dan servicios de traducción como por el público en general. No obstante, hay que ser conscientes de que con muchas aplicaciones no se pueden conseguir traducciones de alta calidad sin asistencia.

El futuro cercano de la traducción parece estar caracterizado por el uso de grandes corpora bilingües y monolingües y de computadores potentes. También es necesario llevar a cabo una investigación de nuevas arquitecturas de redes neuronales y de nuevos algoritmos de aprendizaje. Tampoco hay que olvidar que la traducción del habla (speech translation) puede ser una realidad práctica en un futuro próximo. Actualmente existen algunos sistemas comerciales, pero se requiere más I+D para que realmente sean útiles.The Conversation


Francisco Casacuberta, Catedrático del Centro de Investigación Pattern Recognition and Human Language Technology, Universitat Politècnica de València

This article is republished from The Conversation under a Creative Commons license. Read the original article.


 

Continue Reading
Publicidad