Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Movilidad, News, Noticias, Tecnologia, Tecnología de Apoyo, Tendencias

SAP introduce Machine Learning para optimizar la experiencia de compra

SAP presentó nuevas tecnologías en el sector de consumo, tales como el reconocimiento facial, aprendizaje automático e Internet de las Cosas (IoT), para permitir campañas de marketing específicas y ayudar a los consumidores a optimizar su experiencia de compra.

Compartir, es demostrar interés: Una encuesta de SAP revela lo que hace felices a los clientes (y lo que les enoja)

El 89% esperan una respuesta a su consulta dentro de las primeras 24 horas, de acuerdo con el informe de Insights Consumer Insights de SAP Hybris 2017.

La encuesta involucra a 20,000 consumidores en todo el mundo donde se encontró que la manera más fácil de mantener a los clientes satisfechos es responder, y la manera más rápida de perderlos es compartir sus datos sin su consentimiento.

De acuerdo con el estudio, cuatro de cada cinco compradores (80%) están dispuestos a compartir algunos de sus datos personales con las marcas, siendo Japón el que menos se inclina por esta práctica (52%), en comparación con Colombia e India (ambos con 92%). Los encuestados de todos los países, excepto Rusia, están dispuestos a compartir sus direcciones de correo electrónico, pero solo la mitad de los consumidores de Oriente Medio desean compartir sus números de teléfono móvil.

Diez clientes se unieron a SAP Hybris para incorporar capacidades de aprendizaje automático en los portafolios de SAP Hybris Sales Cloud y SAP Hybris Service Cloud. Las soluciones SAP Hybris tienen acceso a los datos de los clientes y los productos de manera frontal. Con el software SAP tocando más del 76 por ciento de las transacciones comerciales mundiales, SAP está en una posición única para acceder y aprovechar los datos a este nivel.

Gracias a esto, se encuentran disponibles varios casos en diferentes aspectos como marketing, ventas, servicios y comercio. Incluyen personalización avanzada, merchandising contextual, uso de bots como asistentes de compras, puntuación de afinidad, análisis de sentimiento, análisis de texto de ticket de servicio y un servicio de atención al cliente.

N. de P. SAP

 

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Movilidad, News, Noticias, Seguridad, Tecnologia, Tendencias

Cellebrite introduce aprendizaje automático en su solución de estudio analítico

Cellebrite, realizó el anuncio de un estudio analítico diseñadas para detectar y analizar pruebas de medios digitales con más rapidez, por medio de una serie de algoritmos de aprendizaje automático.  Este reciente avance en estudio analítico de pruebas digitales proporciona a los profesionales de cumplimiento de la ley algoritmos neurales de avanzada, basados en red, que identifican y categorizan automáticamente imágenes y video clips previamente conocidos y desconocidos.

El acceso a herramientas avanzadas de estudio analítico para texto, video e imágenes optimiza los recursos investigativos, eliminando el análisis manual de grandes volúmenes de artefactos de medios, y ayuda a reducir el estrés psicológico que representa revisar material delicado, usualmente encontrado en casos criminales.

“Todos los días, los investigadores enfrentan el enorme desafío de trabajar con crecientes volúmenes de evidencia digital que, hasta ahora, requería revisión y análisis manual meticuloso,” afirmó Yossi Carmil, Co-CEO Global de Cellebrite.

Este nuevo lanzamiento de la Plataforma Cellebrite UFED Analytics proporciona opciones para correlacionar, visualizar y explorar archivos de variados registros de computadora, redes sociales, nube, móviles, de operadores celulares y de otras fuentes de datos digitales en una visualización centralizada, con acceso administrado para usuarios múltiples, brindando a los equipos investigativos verdadera inteligencia y colaboración digital.

Las principales actualizaciones de la plataforma incluyen:

  • Correlación y categorización de imágenes automatizada: Esta capacidad, primera en su clase, categoriza imágenes y fotogramas de video automáticamente para eliminar la revisión manual de pruebas duplicadas; correlaciona imágenes desconocidas e identifica medios exclusivos para que los equipos investigativos puedan enfocarse en los datos de interés.  Los algoritmos de avanzada fueron implementados para la detección automática de objetos como armas y drogas dentro de los medios. El sistema también detecta y categoriza pornografía infantil, contenido adulto, documentos y capturas de pantalla permitiendo el acceso acelerado a los medios de investigación relevantes;
  • Reconocimiento y correlación de rostros: Los algoritmos exclusivos usados para la detección automática de rostros, dentro de cualquier foto o video disponible en el sistema, permite a los investigadores efectuar la correlación cruzada de rostros individuales en los medios con rapidez y exactitud;
  • Ingestión de datos de computadora: Las extracciones de datos de computadoras ahora puede ser ingerida como una fuente de datos adicional dentro de Cellebrite Analytics, de manera que cuando se procesa junto con los datos de fuentes como redes sociales, nube, móviles y de operadores celulares, proporciona a los investigadores una visualización holística de pruebas acumuladas;
  • Integración con fuentes externas de datos: La integración con el Proyecto VIC, CAID y otras bases de datos definidas de valor hash reducen el estrés psicológico que representa revisar material delicado. La existencia de imágenes incriminatorias conocidas es identificada automáticamente correlacionando los valores hash de las imágenes para luego clasificarlas usando categorías predefinidas. Las imágenes no referenciadas que sean descubiertas también pueden ser categorizadas y exportadas para ser inmediatamente compartidas con las fuerzas de cumplimiento de la ley de todo el mundo.

Los elementos de aprendizaje automático de Cellebrite Analytics acelerará el tiempo a la evidencia en una variedad de investigaciones, incluyendo explotación infantil, narcóticos, pandillas, tráfico humano, antiterrorismo y muchas más. Con este nuevo lanzamiento que integra también otras ofertas Cellebrite incluyendo la nueva edición de su UFED Cloud Analyzer, con una robusta caja de herramientas con capacidades investigativas, los investigadores pueden analizar datos de redes sociales de dominio público con nube privada o datos de redes sociales de conformidad con una orden judicial, así como datos de dispositivos móviles, de computadora y de operadores de telecomunicaciones para identificar inmediatamente evidencia crítica para una investigación.

N de P. Cellebrite

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Movilidad, News, Noticias, Seguridad

Inteligencia Artificial de Fujitsu datos sobre los problemas del mundo real

Fujitsu anunció un gran avance de la tecnología de aprendizaje profundo, desarrollando un nuevo y eficiente mecanismo de distribución de memoria para las Redes Neuronales Profundas.

Utilizado de manera extensiva para muchas aplicaciones de Inteligencia Artificial (IA) que implican reconocimiento y clasificación de voz y objetos, el uso de DNN avanzados requiere de recursos computacionales masivos, imponiendo severas demandas de infraestructura de computación existentes. Con esta nueva solución desarrollada por Fujitsu Laboratories of Europe, el paralelismo de modelos se usa para distribuir los requerimientos de memoria DNN de una forma gestionada fácilmente, transparente y automatizada. Como resultado, la capacidad de las infraestructuras actuales para hacer frente a las aplicaciones de IA de gran escala se mejora considerablemente sin necesidad de nuevas inversiones.

Esta nueva solución logra un nuevo proceso de distribución de la memoria transformando las capas de redes neuronales diseñadas arbitrariamente, en redes equivalentes, en las que algunas o todas sus capas son reemplazadas por un número de partes de subcapa más pequeñas. Estas partes subcapa están diseñadas para ser funcionalmente equivalentes a las originales, pero son computacionalmente mucho más eficientes para ejecutar. Es importante destacar que, dado que las capas originales y nuevas provienen del mismo perfil, el proceso de formación del DNN ahora transformado y distribuido converge a la del DNN original sin costo adicional.

Fujitsu Laboratories of Europe evaluaron ampliamente la nueva tecnología incluyendo la aplicación del nuevo mecanismo a Caffe, un marco de aprendizaje profundo de código abierto ampliamente utilizado por las comunidades de I+D de todo el mundo. La solución logró más del 90% de eficiencia en la distribución de la memoria al transformar las capas completamente conectadas de AlexNet en varias NVIDIA GPUs. Como una tecnología independiente de hardware, tiene la capacidad de explotar la potencia computacional de ambas unidades de procesamiento convencionales, así como los aceleradores de hardware actuales y emergentes, incluyendo, por ejemplo, NVIDIA GPUs, Intel Xeon Phi, FPGA, ASIC, etc. u otros chips de hardware alternativos específicamente diseñados para aumentar la eficiencia computacional en Deep Learning.

Los ejemplos de aplicaciones para la nueva solución incluyen análisis de salud, análisis y clasificación de imagen de satélite, procesamiento de lenguaje natural, donde los modelos de aprendizaje profundo a gran escala son requeridos para modelar y aprender la gran complejidad del lenguaje humano, datos basados en gráficos de gran escala incluyendo dispositivos IoT, transacciones financieras, servicios de redes sociales, etc.

Fujitsu Laboratories of Europe es el centro de excelencia para la investigación avanzada de Fujitsu que trabaja en el aprendizaje de máquinas como parte de las soluciones y servicios digitales que se están desarrollando bajo la iniciativa de Fujitsu centrada en el ser humano, llamada Zinrai. Sus actividades incluyen una amplia colaboración y co-creación con clientes de Fujitsu y organizaciones de investigación de EMEIA, incluyendo el Hospital Clínico San Carlos de Madrid con la solución HIKARI AI, la Universidad de Sevilla con el análisis de datos para aplicaciones turísticas y el Centro de Innovación 5G de UK.

N de P. Fujitsu

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Movilidad, News, Noticias, Seguridad, Tecnologia, Tecnología de Apoyo, Tendencias

Biometría y aprendizaje automático incrementa la confianza en la banca online

Gemalto presentó su Gemalto Assurance Hub, un enfoque innovador para la prevención del fraude en la banca online. Esta nueva plataforma impulsada por aprendizaje automático, analiza el perfil y el comportamiento de los clientes en tiempo real. Además, solo activa las medidas de autenticación adicionales cuando es necesario, proporcionando una experiencia agradable para el usuario.

Actualmente, los bancos prestan una mayor cantidad de servicios digitales. Con ello, están también expuestos a ciberataques más sofisticados. Por esta razón, es necesario que puedan distinguir los usuarios auténticos de los que pueden ser un fraude. De esta manera, ofrecen un servicio sin complicaciones a los clientes legítimos y bloquean a los usuarios sin autorización. Cabe destacar que las instituciones financieras también deben cumplir con las últimas regulaciones bancarias como la Directiva de Servicio de Pago Revisada definida por la Autoridad Bancaria Europea (PSD2) y el apéndice Apéndice del Consejo Examinador de Instituciones Financieras Federales (FFIEC) analiza los riesgos y recomienda la mitigación en el área de pagos minoristas.

Gemalto Assurance Hub se basa en los macrodatos, es decir, procesa millones de transacciones construidas a partir de miles de atributos (tales como el perfil de dispositivos, la ubicación, el comportamiento del usuario, los datos biométricos o el estilo del teclado numérico) para analizar el comportamiento en tiempo real y activar chequeos de autenticación adecuados cuando sea necesario. Por ejemplo, si alguien realiza una transferencia de alto valor desde una ubicación insólita, posteriormente se solicitará una autenticación biométrica adicional para validar la transacción, como: la huella dactilar o el reconocimiento facial. Un beneficio para el usuario desde una seguridad no invasiva dentro de un ambiente de confianza.

“Un estudio reciente de la firma destaca que el 44 % de los clientes abandonarían su banco en caso de que ocurriera una violación de la seguridad y un 38 % se cambiaría a la competencia que ofreciera un mejor servicio. Al mismo tiempo, los clientes padecen tanto el rechazo injustificado como demasiados pasos de autenticación cuando usan la banca online o a través de su celular”, dijo Bertrand Knopf, vicepresidente ejecutivo de banca y pagos de Gemalto, “El desafío es minimizar y simplificar los procedimientos de seguridad, sin comprometer la confianza en el ámbito de la banca digital. Esto es lo que Gemalto Assurance Hub hace con tanta facilidad”.

¿Qué diferencia hay entre Gemalto Assurance Hub y los sistemas de prevención de fraude bancario actuales?

El Gemalto Assurance Hub es la única solución que ofrece a los bancos una sola plataforma que integra las mejores tecnologías de detección del fraude. Se presenta con una política única y una consola de información contra el fraude.

La plataforma utiliza un enfoque de centro flexible, puede integrar fácilmente las soluciones existentes de los bancos, así como evolucionar con el tiempo para incluir la última tecnología para protección.

N. de P. Gemalto

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Inteligencia Artificial, Movilidad, News, Noticias, Nuevos Productos, Seguridad, Tecnologia, Tendencias

Google Lens, la tecnología que se vale del machine learning

Los Google Lens muestran una experiencia divertida, al menos así fue lo que el gigante de internet en el I/O 2017 dio a entender, la nueva solución de la compañía que detecta imágenes mediante técnicas de “machine learning”, ésta puede abrir el camino hacia un nuevo hito para la industria: el supersensor.

Si hay una ciencia que brilló la semana pasada durante la celebración del Google I/O 2017, evento para desarrolladores de la compañía, esa es la inteligencia artificial. De hecho, todavía colea en la industria el lanzamiento de Google Lens, la plataforma que se vale de esta tecnología para identificar objetos a través de las cámaras de los smartphones.

Durante las demostraciones se pudo ver como Google Lens era capaz no solo de identificar una flor, sino también su especie y como podía acceder a una red inalámbrica con anotar los códigos de barras del router. Finalmente, también mostró habilidades para reconocer negocios y establecimientos valiéndose de Google Maps.

El veredicto de la opinión pública es claro: se trata de una herramienta brillante y divertida. Sin embargo, parece que la empresa no supo transmitir las claves de Lens toda vez que ha sido asumido como un nuevo juguete para los teléfonos inteligentes más que un instrumento de productividad. Pero lo cierto es que gracias a las técnicas de machine learning que está implementando esta nueva plataforma ahora es posible crear múltiples sensores diferentes utilizando un solo software real; la cámara. Ésta funciona como una suerte de super sensor de uso general con “sensores virtuales” basados en software y alimentados con inteligencia artificial.

Hace ya unos años se hizo popular la expresión un “mundo de billones de sensores” en los círculos TI. Los expertos imaginaban un futuro con miles de millones de dispositivos diminutos con antenas y baterías. Nada más lejos de la realidad, sobre todo con la llegada de machine learning y de aplicaciones como esta.  En lugar de diferentes sensores con un solo propósito instalados en todas nuestras cosas tendremos supersensores de usogeneral cuyos datos serán utilizados para otros virtuales.

Aprovechando estas posibilidades, investigadores de la Universidad Carnegie Mellon (CMU, por sus siglas en inglés) han desarrollado un sensor (financiado en su mayor parte por Google) por el que cualquier pequeño dispositivo puede funcionar como un sensor general capaz de conectar y desplegar cualquier aplicación de detección de sonido, vibración, luz, actividad electromagnética y temperatura. Por el momento no incluye cámara, aunque podría tenerla en un futuro. Según un vídeo difundido por la propia universidad, el sensor ya ha sido probado en distintos ecosistemas como fábricas, oficinas hogares o cuartos de baño. Por ejemplo, en esta última localización mantuvo un registro durante cierto tiempo de cuántos rollos de papel se utilizaron basándose en el sonido producido por el dispensador. Con esta misma técnica podría controlar, además, otras variables como el gasto de agua.

La revolución no sería la capacidad de supervisión, sino la capacidad de instalar un sensor por el que pasen todas las detecciones futuras sin involucrar más dispositivos. Esto nos lleva a escenarios donde sería posible comprar un hardware barato que se conectase, por ejemplo, a una pared y pudiese controlar a la vez el equipo, la seguridad, el inventario y el personal de una empresa. Google ya ha dado el primer paso.

Mike Elgan

 

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Movilidad, News, Noticias, Seguridad, Seguridad, Tecnologia, Tendencias

CA Technologies lanza una solución de aprendizaje automático que detecta el fraude

CA Technologies aplica analítica de comportamiento en tiempo real y tecnología de aprendizaje automático al mayor conjunto de datos de transacciones globales para reducir las pérdidas derivadas del fraude online en un 25%.

Según el estudio Identity Fraud Report de Javelin, el crecimiento del fraude en las operaciones en las que la tarjeta no está presente viene impulsado por el incremento del volumen del comercio electrónico y vía móvil. “Durante 2016 se ha registrado un incremento del 42% en el número de clientes que han experimentado un uso fraudulento en las transacciones en las que no está presente la tarjeta comparado con las cifras de 2015”, señala el informe.

“Detectar las anomalías rápidamente y asegurar una autenticación cómoda y sencilla son los primeros pasos para prevenir el fraude en operaciones sin la tarjeta presente y sin que impacte en las transacciones del legítimo dueño de la tarjeta”, dijo Terrence Clark, director general de soluciones de seguridad en los pagos de CA Technologies. “Nuestros científicos de datos han aplicado analíticas avanzadas y nuevos algoritmos de aprendizaje automático en tiempo real al conjunto global de datos de transacciones de comercio electrónico, 3D Secure y a la información sobre los dispositivos que soporta la solución CA Payment Security Suite. Esto ofrece una detección y prevención de fraude online más precisa, reduce las pérdidas por fraude para los miembros de la red y a la vez mejora la experiencia de compra online de los consumidores”.

Además, CA Risk Analytics Network facilita a los clientes suscritos una nueva fuente de información para reducir el fraude y optimizar la experiencia de los consumidores en todas sus compras online mediante estos dispositivos y en todas las versiones del protocolo 3D Secure.

Redacción

 

Leer más...

Aplicaciones, Del dia, Desarrollo, Destacado, Industria, Infraestructura, Movilidad, News, Noticias, Seguridad, Tecnologia, Tecnología de Apoyo, Tendencias

Esta es la estrategia de Facebook para acabar con las noticias falsas

Después de que Facebook se convirtiera en un foco de críticas por su permisividad en la difusión de noticias falsas en los perfiles de sus usuarios, la Red Social ha querido trabajar en que la información que circule por allí sea rigurosa. Para ello, la compañía está trabajando en tres áreas clave: acabar con los incentivos económicos, crear nuevos productos, y ayudar a la gente a tener más información a la hora de tomar decisiones cuando encuentren este tipo de noticias.

Acabar con los incentivos económicos

Según Facebook, muchas de las noticias falsas están motivadas financieramente. Estas personas que hacen spam ganan dinero haciéndose pasar por editores reales, y publican mentiras que hacen que la gente visite sus páginas, que en la mayoría de los casos se componen únicamente de anuncios.

Para evitar esta situación, Facebook quiere seguir una serie de pautas. En primer lugar, identificar mejor las noticias falsas, a través de nuestra comunidad y organizaciones independientes de verificación de hechos, para así poder limitar su difusión lo que, a su vez, las convierte en poco rentable. En segundo lugar, dificultar a la gente que publica noticias falsas que realice publicidad en su plataforma, a través de la estricta ejecución de sus políticas. En tercer lugar, aplicar el aprendizaje automático para ayudar a sus equipos de respuesta a detectar el fraude y cumplir así sus políticas contra cuentas de spam. Y, en cuarto lugar, actualizar su detección de cuentas falsas en Facebook, lo que hará que el spam a gran escala sea mucho más difícil.

Crear productos nuevos

Su objetivo se centra en construir, probar y repetir con nuevos productos para identificar y limitar la difusión de noticias falsas, trabajando con terceros. Este trabajo incluye: por un lado, mejoras en la presentación del contenido tratando de mejorar su News Feed. Si la gente es poco propensa a compartir un artículo, puede ser una señal de que la historia ha sido engañosa para esas personas.

Por otro lado, facilitar las denuncias probando nuevas formas de reportar una noticia falsa. Es posible haciendo clic en la esquina superior derecha de una publicación. De hecho, las historias que sean marcadas como falsas por la comunidad aparecerán más abajo en cada feed.

Por último, trabajar con socios que puedan aportar más contexto para que la gente pueda decidir por sí sola qué creer y qué compartir. ¿Cómo funciona este proceso? Facebook está comenzando un programa para trabajar con organizaciones independientes de verificación de hechos. De esta manera, la Red Social usará las denuncias de su comunidad junto con otras alertas para mandarles las historias a esas organizaciones. Si éstas las identifican como una historia falsa, será marcada como polémica y habrá un link que enlace con el correspondiente artículo explicando por qué. Las historias que hayan sido marcadas también aparecerán más abajo en News Feed.

Ayudar a la gente a tomar buenas decisiones

Facebook quiere asegurarse de que toman las medidas necesarias para abordar el problema cuando las personas se encuentran con bulos. Con este fin, están explorando distintas maneras de proporcionar mayor contexto sobre las noticias para que así puedan tomar mejores decisiones sobre qué leer, de qué fiarse, y qué compartir, así como maneras de dar acceso a más perspectivas sobre los temas que están leyendo.

Con Facebook Journalism Project, la empresa se compromete a colaborar con organizaciones de noticias para desarrollar productos conjuntamente, proporcionando herramientas y servicios para los periodistas, y ayudando a las personas a tener mejor información para que puedan tomar decisiones más inteligentes sobre qué es lo que leen.

Y con Iniciativa de Integridad de Noticias, Facebook se une a un grupo de más de 25 financiadores y participantes (incluyendo a líderes de la industria tecnológica, instituciones académicas, organizaciones sin ánimo de lucro y organizaciones de terceros) para lanzar esta iniciativa. La misión es promover el conocimiento de las noticias, aumentar la confianza en el periodismo alrededor del mundo y mejorar la información de la conversación pública. Este plan es administrado por el Máster de Periodismo de CUNY, el cual financiará investigación aplicada y proyectos y convocará reuniones con expertos de la industria.

Redacción

 

Leer más...