Dime qué publicas y te diré si tienes stress

Sé que estás pensando que la respuesta es "sí", especialmente en esta época del año, pero la cuestión es más profunda. Te invito a pasar y te cuento mejor.

Hola. Te doy la bienvenida a un nuevo Redes Pop.

Cuando subimos una foto o un video a las redes, estamos contando mucho más de lo que ahí se muestra: un paseo por un parque o una comida con amigos. Son nuestras emociones las que quedan expuestas. Y hay herramientas de inteligencia artificial que las detectan, pero ¿dicen “la verdad”?

Hoy vamos a hablar de esto. Especialmente, de la verdad entre comillas.

La magia son las matemáticas

La edición pasada se trató de por qué le decimos gracias a ChatGPT (si es una máquina). Si te interesó ese tema, te va a encantar la charla que dio Lautaro Borrovinsky en Nerdearla al respecto.

De hecho, conversé con él para este newsletter sobre la “magia” de la inteligencia artificial (IA) y de lo mucho que tiene que ver con ellas: ✨las matemáticas ✨

Detectores de stress

Lautaro habla de las matemáticas de una forma tan cercana y entendible que por momentos te olvidás de sus credenciales: doble titulación en Matemáticas y Ciencias de la Computación (Universidad de Jerusalén), y completando la Maestría en Inteligencia de Datos orientada a Big Data (Universidad Nacional de la Plata).

En la charla a continuación, me contó cómo la IA detecta cuestiones emocionales a partir de imágenes y de algo muy divertido, los detectores de sarcasmo.

-Empecemos por una que conocemos todos, ChatGPT

-Lo que hay detrás de ChatGPT son un montón de cálculos matemáticos.

Una computadora es una calculadora, computar significa calcular. Los humanos entendemos lenguaje y sabemos cuándo dos conceptos están más cerca de otros. La computadora entiende números y sabe cuándo dos números están más cerca de otros. Entonces, la idea es intentar maneras de traducir el mundo de las palabras al mundo de los números.

Por ejemplo, a dos palabras que están cerca de significados como “taza” y “vaso”, les asignamos números cercanos como “2” y “3”. Y a dos palabras más alejadas de significados como “taza” y “carpincho”, les asignamos números como “2” y “800.000.000”.

La máquina no va a saber nunca lo que es una taza ni un carpincho, pero sí se puede crear un modelo en el cual “carpincho” esté lejos de “taza”.

Un carpincho para descontracturar

-¿Cuál es el rol de las matemáticas en las herramientas de IA que detectan emociones?

Para decirlo sencillamente, estamos frente a un ente, un “bicho” matemático al que le tratamos de explicar aspectos de las emociones humanas. ¿De qué manera? Vamos a un ejemplo.

Hay programas a los que vos le das la reseña de un producto y te dicen si la emoción es positiva, negativa y neutra. ¿Cómo llegan a saberlo? Previamente, para enseñarle, para entrenarlos, se le muestran millones de ejemplos etiquetados. Esto significa que son reseñas que tienen etiquetas con “positiva”, “negativa” y “neutra”. Entonces, la máquina no es que va a memorizarlas, sino que va a encontrar los patrones subyacentes. Es su forma de aprender.

El aprendizaje en el mundo del machine learning (una de las ramas claves de la inteligencia artificial) es prácticamente sinónimo de entrenamiento, que a la vez es sinónimo de optimización, de optimizar una función matemática. O sea que cuando hablamos de inteligencia artificial, prácticamente, estamos hablando de optimizar una función matemática.

Sería encontrar la función matemática que mejor explica algo de la realidad, que mejor explica en el mundo de los números algo de nuestro mundo.

Un meme para descontracturar

-¿Estos programas pueden detectar stress con esa lógica?

-La respuesta corta es sí. Pero siempre desde lo que nosotros le explicamos a la máquina qué consideramos como stress. No es que la máquina encuentra una verdad absoluta en las imágenes.

En esta caso, podemos poner a expertos humanos en microexpresiones faciales a que etiqueten videos cortos de expresiones de lo que consideran stress, y que la máquina encuentre la función matemática que mejor generaliza a partir de esos datos. Si confiamos en estos expertos y hacemos bien la parte matemática, esos programas pueden funcionar.

Pero será el resultado de cálculos matemáticos basados en lo que humanos expertos consideran que es stress. No es que la máquina lo ofrece como verdad revelada u objetiva.

Por ejemplo, hay muchos títulos de notas que dicen “Se terminó la discusión: la IA dijo cuál es la mejor pizzería de Buenos Aires” o “Esta es la fórmula para ser viral en redes, según la IA”. Eso no es una verdad objetiva, no es que la IA lo elije por sí misma, sino en base a los datos con los que fue entrenada previamente.

Detectores de sarcasmo

-¿Cómo hacés para enseñarle a una máquina el sarcasmo?

-Con la misma lógica de ejemplos etiquetados de reseña de productos, pero con un truquito. Mostrarle al modelo reseñas a las que un usuario le había puesto 5 estrellas, pero con el comentario negativo; y viceversa. Por lo menos, para empezar a encontrar un patrón.

Es todo un desafío encontrar la forma de codificar el sarcasmo o el humor, porque justamente tienen que ver con cuestiones que rompen con la lógica tradicional.

Este tipo de modelos que se entrenan con ejemplos etiquetados (aprendizaje supervisado) es uno de los posibles, pero hay muchos otros. Uno de ellos es exponer a los modelos a enormes cantidades de textos y con ejercicios automáticos. Por ejemplo, en un texto se tapa una palabra, para ver si el modelo en base a las palabras que están alrededor logra predecir correctamente la palabra que se tapó de un texto que nunca había visto.

---

📌Juguemos ¿Se te ocurre algún otro ejemplo con el que le podamos enseñar sarcasmo a las máquinas? Tienen que haber varios de ese estilo porque la IA necesita muchísimos datos para aprender. Podés responder a este mismo mail.

Lista de Recomendaciones

• TikTok lanzó Symphony Creative Studio, una herramienta de IA para generar videos optimizados para la plataforma. Una vez creados, se pueden editar para adaptarlos a nuestro estilo.

• Lautaro nos dejó tres herramientas sobre análisis de sentimientos en redes sociales

1) Social Searcher: herramienta de monitoreo en tiempo real de redes sociales y web con capacidades de sentiment analysis. Permite rastrear y medir menciones públicas sobre empresas, marcas, productos o servicios, analizando el tono de las conversaciones (positivo, negativo o neutral) y comprender mejor la percepción del público.

2) Brand24 : herramienta de monitoreo de medios (redes sociales, sitios de noticias, etc.) en tiempo real que permite a las empresas supervisar y analizar menciones en línea sobre su marca, productos o servicios. Ofrece análisis detallados del alcance y sentimiento de las menciones, facilitando la reacción inmediata mediante alertas personalizadas.

3) ContentStudio: plataforma de gestión de redes sociales y marketing de contenidos que permite planificar, programar, descubrir y analizar contenido en múltiples canales desde un único panel. Ofrece monitoreo de menciones para analizar el tono de conversaciones sobre marcas y herramientas para descubrir contenido relevante que facilita evaluar el sentimiento asociado. Si bien no es gratis, ofrece una prueba gratuita de 14 días sin necesidad de tarjeta de crédito

📚 Mi libro “Qué es la inteligencia artificial y cómo impacta en nuestras vidas” ya está disponible en librerías del país. Accesible y económico. Algunas opciones para conseguirlo.

Gracias por haber llegado hasta acá :)

• Si este newsletter te gustó o te sirvió, me ayuda mucho que lo compartas. Redes Pop está en Instagram como @redespop

• Si querés convocarme a charlas o consultorías, escribime a melisa.avolio@gmail.com

• Para acciones comerciales con Redes Pop, escribime a melisa.avolio@gmail.com

• Nos vemos en las redes :) Soy @meliavolio en Instagram, LinkedIn y X (o Twitter)