Impulso

Una persona se sube al auto, abre Google Maps y busca cómo llegar a un lugar específico. Allí va a ver en cuestión de segundos si le espera tránsito pesado, el tiempo estimado de viaje, comentarios de otros usuarios y una sugerencia de camino para tomar. Pero ¿qué sucede detrás de la entrega de esta información? ¿Qué variables entran en juego para que la aplicación le sugiera un camino en lugar de otro? ¿Cómo se verifican en tiempo real los comentarios aportados por las personas para que sean seguros?

El trabajo es inmenso y complejo, y “nuestro rol es asegurar que la información sea útil y confiable”, contó en una entrevista con Télam Pavithra Kanakarajan, gerenta de Producto del área de Contenido Generado por el Usuario en la app.

Desde India, donde vive y recibió su licenciatura en Ingeniería en Informática en la Facultad de Guindy, la mujer está a cargo del equipo responsable de “proteger y mantener la alta calidad del contenido publicado en Google Maps por parte de usuarios y comerciantes”.

“El desafío es diario”, dadas las imponentes cifras que maneja esta plataforma nacida en 2005, que recibe más de 20 millones de contribuciones por día, suma más de mil millones de usuarios y cuenta con mapas en 220 países. 

“Si te pregunto algo sobre tu barrio, vas a poder decirme cuál es el mejor restaurante o recomendarme un lugar para ir con amigos, por ejemplo. Por eso es muy valioso trasladar eso a la tecnología, que la gente que vive en diferentes partes del mundo pueda aprovechar la plataforma y compartir con otros esa información”, respondió al por qué la aplicación empezó a incorporar reseñas de usuarios.

Esa función la puede usar cualquier persona con cuenta en Google desde el botón “contribuir”: desde allí se dejan reseñas e información sobre negocios (horarios, por ejemplo), se pueden publicar fotos y hasta “corregir” un mapa. Entonces ¿qué hace la app después de que un usuario envía su aporte?  

“Una vez que un usuario deja una reseña, nuestro sistema de aprendizaje automático (machine learning) funciona como una primera capa de protección: revisa cada comentario y recomendación antes de que se publiquen, y bloquea aquellas reseñas que violan nuestras políticas”, explicó Pavithra.

La contribución se analiza desde múltiples ángulos: ¿tiene contenido ofensivo o fuera de tema?; la cuenta de Google que dejó la opinión, ¿tiene algún historial de “comportamiento sospechoso”?; el lugar en sí, ¿tuvo actividad inusual, como una gran cantidad de opiniones en un período corto de tiempo?

Uno de los ejemplos reportados por Google sobre esta situación fue cuando los gobiernos y las empresas comenzaron a solicitar una prueba de vacunación contra la covid-19 antes de ingresar a ciertos lugares: “Implementamos protecciones adicionales para eliminar las opiniones de Google que critican a una empresa por sus políticas de salud y seguridad o por cumplir con un mandato de vacunación”.

“Si no se detecta ninguna violación a las políticas, la reseña se publica en cuestión de segundos”, explicó la directiva.

Sin embargo, hay algunos matices en el lenguaje, como las jergas o las experiencias del mundo real que necesitan de revisión humana, aclaró Pavithra, y es por eso que tienen equipos que “entrenan a los algoritmos” con las políticas de la aplicación.

Pero el trabajo continúa luego de que se publica una reseña. Los sistemas “siguen analizando el contenido aportado y observando los llamados “patrones cuestionables”, que pueden ser “desde un grupo de personas que dejan opiniones en el mismo grupo de perfiles de negocio hasta una empresa o lugar que recibe una cantidad inusualmente alta de opiniones de 1 o 5 estrellas en un período corto de tiempo”, según ejemplifica la aplicación en sus políticas.

Esta combinación de aprendizaje automático en combinación con los equipos que entrenan algoritmos y realizan tareas de revisión las 24 horas, le permitió a la aplicación “disminuir la cantidad de contenido fraudulento o abusivo”, que “hoy es menos del 0,5% de todo el contenido visto en Maps”, según indicó Google en su últimpo reporte.

Allí también informó que en 2021, “identificó y removió más de siete millones de perfiles de negocios falsos, y deshabilitó más de un millón de cuentas de usuarios que violaban las políticas con actividades como vandalismo o fraude”.

También, bloqueó (o eliminó) “más de 95 millones de reseñas que infringen las políticas, de entre las cuales más de 60.000 se eliminaron debido a casos relacionados con la Covid”.

Por otro lado, “detuvo más de 12 millones de intentos de crear Perfiles de Negocio falsos y cerca de ocho millones de intentos de malos actores de adueñarse de Perfiles que no les pertenecían”.

Cómo predice el tráfico y sugiere rutas en tiempo real

Para predecir el tráfico y determinar las rutas de los mapas disponibles en más de 220 países, la aplicación toma en cuenta diversas variables, como más de 1.000 fuentes de terceros de todo el mundo.

En Argentina, según informó Google a Télam, la información en tiempo real de los colectivos en Buenos Aires se basa en los datos abiertos de la API de la Secretaría de Transporte y la validadora SUBE de Nación Servicios.

Hace poco, la aplicación presentó una herramienta para que los gobiernos locales puedan cargar los datos sobre nuevos caminos y direcciones en su área, directamente a Google Maps, a la que se puede acceder aquí.

Para brindar el tráfico en vivo, Google Maps analiza información agregada de ubicaciones, pero la cuestión es más compleja cuando tiene que predecir el tráfico en un futuro cercano, para lo cual entran en juego las técnicas avanzadas de aprendizaje automático.

Con este objetivo, lo que hace es analizar los patrones de tránsito históricos de los caminos a lo largo del tiempo.

Los equipos de trabajo luego combinan esa base de datos de patrones de tráfico históricos con condiciones de tráfico en tiempo real, utilizando el aprendizaje automático para generar predicciones basadas en ambos conjuntos de datos.

No obstante, por la pandemia hubo un “cambio drástico en los patrones de tráfico en todo el mundo”, explicó Google, y mencionó que se vio “una disminución de hasta un 50 por ciento en el tránsito mundial cuando comenzaron los cierres a principios de 2020”.

Así que incorporó este cambio dentro de los mapas: actualizó sus modelos y comenzó a priorizar automáticamente los patrones de tráfico históricos de las últimas dos a cuatro semanas, restándole prioridad a los patrones de cualquier momento anterior.

Luego, al momento de seleccionar qué ruta recomendarle a alguien que consulta un camino, la aplicación toma en cuenta diversas variables y una de ellas es buscar la alternativa de menor tráfico.

Fuente: Télam