\n<\/p>\n
Enciende tu<\/span> servicio de transmisi\u00f3n de su elecci\u00f3n o abra el sitio web de su tienda departamental preferida y seguramente se activar\u00e1 un sistema de recomendaci\u00f3n. <\/p>\n \u00abTe gust\u00f3 esta serie de televisi\u00f3n, \u00a1as\u00ed que creemos que te gustar\u00e1 esta!\u00bb O: \u201cMientras miras una falda de lino rosa, \u00a1piensa en comprar estas alpargatas color crema para combinarlas!\u201d. Son impulsores comerciales clave porque ayudan a los clientes a ver los productos que es m\u00e1s probable que compren. Pero no encajan perfectamente en las cadenas de herramientas de aprendizaje autom\u00e1tico existentes.<\/span><\/p>\n Algunos de los motores de recomendaci\u00f3n m\u00e1s conocidos son para contenido. La inquietante sensaci\u00f3n de YouTube de lo que te gustar\u00eda ver a continuaci\u00f3n es un ejemplo, y el campe\u00f3n definitivo de este juego es TikTok: es deliciosamente adictivo, precisamente porque los algoritmos saben lo que desea tu peque\u00f1o coraz\u00f3n.<\/p>\n En algunos casos, sin embargo, hay m\u00e1s en una recomendaci\u00f3n. Para una tienda en l\u00ednea, puede haber diferentes m\u00e1rgenes para diferentes l\u00edneas de productos, y tiene informaci\u00f3n que el propio motor no tiene; por ejemplo, es posible que la gente no est\u00e9 comprando equipo de esqu\u00ed ahora, pero seguramente lo har\u00e1 m\u00e1s adelante en el a\u00f1o. Rubber Ducky Labs, una empresa emergente con sede en San Francisco, busca facilitar a los equipos la depuraci\u00f3n, el an\u00e1lisis y la mejora de sus sistemas de recomendaci\u00f3n. <\/span><\/p>\n El equipo est\u00e1 trabajando en un espacio que tiene una tendencia m\u00e1s profunda: \u00bfC\u00f3mo sabe que las IA est\u00e1n realizando un buen trabajo? Cada vez m\u00e1s, los algoritmos hacen cosas que los humanos no entienden por completo, y sin un circuito de retroalimentaci\u00f3n, puede ser complicado.<\/p>\n<\/p><\/div>\n