Guadalajara, Jalisco.

En su segundo día, TVMorfosis presenta “Machine Learning y deep learning: ¿Las nuevas productoras de contenido en tiempos de su personalización?”, primer programa del día que hablará sobre el uso de estas tecnologías en el análisis de los patrones de consumo de contenidos audiovisuales.

Términos que se han arraigado a nuestro lenguaje coloquial poco a poco, conceptos que remiten al futuro pero según los expertos del tema ya están inmersos en nuestra vida, desde pedir comida hasta preguntarle a siri el clima el día de hoy.

Los invitados expertos en este programa fueron Carlos Scolari, teórico de la comunicación y experto en temas de transmedia; Jorge Bravo, profesor de la Facultad de Ciencias Políticas y Sociales de la UNAM; y Eduardo Gerardo Mendizabal Ruiz, doctor en ciencias computacionales y profesor del CUCEI con proyectos relacionados con Inteligencia Artificial, realidad virtual y Deep Learning.

Eduardo Gerardo Mendizabal Ruíz, profesor y experto en Deep Learning, mencionó que “el aprendizaje máquina o machine learning son modelos computacionales que simulan el funcionamiento del cerebro: cómo funciona, hace análisis de grandes cantidades de datos, se conoce como Big data, en distintas industrias. Estas tecnologías utilizan algoritmos que rastrean tus gustos, cómo y cada cuánto lo ves.” 

Por su parte, Carlos Scolari retomó temas de los que se hablaron ayer sobre IA y el tema con el Eduardo Mendizabal finalizó su primera intervención, el uso de algoritmos que rastrean gustos, cómo y cuánto se ve. Scolari habló sobre el Filtro burbuja, teoría que habla que vivimos en una burbuja que filtra nuestros gustos y costumbres para encerrarnos con gente y contenido con el que seamos compatible.

Jorge Bravo, profesor de la Facultad de Ciencias Políticas y Sociales de la UNAM, habló sobre las cuestiones sociales y legales que tienen esta tecnología en nuestras vidas. Cuestiones sobre qué tanto apoyan o no a la sociedad, si están reguladas o no y si deberían.

El Deep Learning y el Machine learning, nos ayudan con procesos que son tardados y difíciles para los humanos pero hay puntos débiles en los cuales se sigue trabajando. Esta tecnología se utiliza para la creación de contenidos pensando en su audiencia, pero la misma tecnología puede monitorear a sus espectadores.