A Google Play Store precisa de mais do que IA para tornar úteis as recomendações de aplicativos

Apesar de tentar pintar a imagem de uma empresa séria e favorável às empresas, o Google ainda é praticamente o nerd estereotipado entre os gigantes da tecnologia. Ele adora resolver seus problemas com aprendizado de máquina e IA, o que é compreensível, dada a quantidade de dados com a qual ele deve lutar. Mas, embora existam coisas que possam ser resolvidas com eficiência com o aprendizado de máquina avançado, algumas coisas, como recomendar aplicativos para os usuários instalarem e usarem no Google Play Store, precisam de um toque humano.

Aprendizado de máquina no Google Play

O que a Google Play Store eAlphaGo agora tem em comum?Ambos foram tocados pela experiência em aprendizado de máquina da DeepMind.A empresa Alphabet acabou de publicar um blog explicando sua recente colaboração com o Google, principalmente a equipe da Google Play Store deste último, para melhorar o estado dos aplicativos que o principal mercado de aplicativos Android recomenda aos usuários.

O post entra em mais detalhes sobre os aspectos técnicos do novo e aprimorado sistema de recomendação. Ele explica como o aprendizado de máquina avançado não apenas ajuda a remover os vieses habituais de um sistema tão pesado em estatísticas, mas também reduz o consumo de energia dos data centers do Google a longo prazo.

Embora esse sistema de recomendação seja definitivamente útil para ajudar os usuários a descobrir novos aplicativos, ele não gera completamente confiança ou interesse na Google Play Store.

Aprendendo conosco

O aprendizado de máquina precisa de dados para aprender, independentemente do tipo de aprendizado que ele faz. Para a Google Play Store, isso gira principalmente em torno de quais aplicativos são instalados sobre os outros, sua frequência de instalação, relacionamento com outros aplicativos semelhantes e outros pontos de dados. Com mais e mais dados, os modelos mentais de redes neurais melhoram com o tempo, mas ele precisa de quantidades tão grandes de dados para isso.

A Google Play Store, talvez até mais que a App Store da Apple, possui quase inúmeros aplicativos em seu inventário. Existem também milhões de usuários em todo o mundo, com diferentes hábitos, preferências e padrões de uso.O aprendizado de máquina avançado do DeepMind definitivamente precisará levar isso em consideração, mas, embora possa ser fácil trabalhar com dados mais ou menos estáticos, pode não levar em conta a tendência quase inata dos humanos de tentar se safar de algo, se puderem..

Jogando com o sistema

O DeepMind fala sobre como seu sistema de aprendizado de máquina é capaz de levar em consideração certos vieses e classificações simplistas, mas não fala sobreaplicativos com comportamento inadequado.A Google Play Store, que usa processos automatizados e aprendizado de máquina para rastrear a maioria dos aplicativos, está cheia de exemplos de aplicativos que não fazem exatamente o que dizem fazer ou afirmam fazer mais do que realmente podem oferecer. Existem aplicativos que parecem criados para contornar os sistemas do Google e extrair benefícios antes de serem pegos.

Existem também as "lojas" e empresas notórias que tentam distorcer os números a favor de um aplicativo, principalmente por meio de downloads.O sistema de recomendação da Google Play Store baseia-se principalmente no que os usuários podem querer baixar a seguir, porque são populares e estão relacionados a downloads anteriores. No entanto, essas pessoas podem, às vezes, ser suspeitas por causa do controle de qualidade menos rigoroso da Store.

Por que é tão importante quanto o que

O sistema de recomendações da Google Play Store, em última análise, tenta dizer aos usuários o que eles podem querer baixar na próxima vez.Não lhes diz por que além de categorias simples como popularidade ou relação.O aprendizado de máquina pode ser avançado o suficiente para eliminar falsos positivos e revelar realmente interessantes, mas nunca pode entrar em detalhes por quê.

Esse sistema de recomendação precisaria de curadores, revisores e escritores humanos. Eles podem fornecer uma melhor compreensão sobre por que um aplicativo é popular que outro, quais recursos o tornam mais confiável ou por que ele pode ser mais útil em certos casos práticos. Eles precisam de pessoas que realmente analisem e testem aplicativos e, mais importante, escrevam sobre eles, e o Google não parece muito interessado em um sistema assim.

Conclusão

A Google Play Store é um repositório rico e diversificado de aplicativos Android e esses números podem ser bastante impressionantes para quem procura aplicativos além dos culpados comuns. Pode haver uma dúzia de aplicativos que tentam fazer a mesma coisa e pode levar tempo para testá-los todos apenas para encontrar um. Pode até ser um lugar assustador, dado o número de aplicativos carregados de malware que conseguem superar as defesas do Google.

A Play Store tem um sistema de recomendação, mas sempre gira em torno de listas de aplicativos que podem ou não ser relevantes para você, dependendo do que você e outros usuários instalaram no passado. Falta um toque pessoal que torne essas recomendações confiáveis ​​ou até úteis.

Infelizmente, o Google parece menos inclinado a empregar editores e escritores humanos para esse fim, mas pode ser exatamente isso que a Google Play Store precisa.

Via: Slash Gear