Andrea Vattani, Co-Fundador y Científico Jefe en Spiketrap – Serie de Entrevistas

Andrea Vattani es el Co-Fundador y Científico Jefe de Spiketrap, una empresa de contextualización que potencia la inteligencia de audiencia y el rendimiento de los medios para creadores, plataformas y marcas. La tecnología de inteligencia artificial Clair extrae la señal de ruido de los conjuntos de datos no estructurados, proporcionando una claridad y un contexto sin precedentes, particularmente en entornos en línea de alta velocidad.

¿Qué te atrajo inicialmente a la informática y la inteligencia artificial?

Fue una combinación de circunstancias afortunadas. Me presenté en la Universidad de Roma para realizar la prueba de admisión de Estadística, y resultó que me había retrasado un día. Me aconsejaron que me inscribiera en Ciencias de la Computación en su lugar y que regresara al departamento de Estadística un año después. Me presenté a la prueba de admisión de Ciencias de la Computación (que era ese día) y la aprobé… ¡nunca regresé a Estadística! Mi interés en la inteligencia artificial comenzó cuando me di cuenta de cómo los ordenadores pueden ayudarte a automatizar cosas, y la inteligencia artificial es la máquina de automatización definitiva. Además, el lenguaje natural y la forma en que la gente lo utiliza siempre me ha interesado: me centré en estudios clásicos en la escuela secundaria, estudiando griego y latín antiguos, lo que es probablemente similar a cómo se siente una máquina cuando se le proporciona un flujo de palabras.

Anteriormente trabajaste como Líder de Ingeniería de Software Senior en Amazon (AMZN ) Goodreads, ¿en qué proyectos trabajaste y cuáles fueron algunos de los conocimientos clave que adquiriste en esta experiencia?

Mientras estuve en Goodreads, trabajé en varios proyectos de aprendizaje automático que incluyeron la detección de spam y la escalabilidad del motor de recomendación de libros. Mis conclusiones sobre mi tiempo allí fueron aprender la importancia de definir métricas de aprendizaje automático que coincidan con los objetivos comerciales y de los clientes. Por ejemplo, los motores de recomendación han existido durante mucho tiempo. Recuerda el concurso “Netflix (NFLX ) Prize” en 2009 para descubrir mejores recomendaciones de películas. Algunas ideas de las soluciones ganadoras sugirieron que la probabilidad de que veas una película no está muy determinada por si te gustará o no, sino más bien si se parece a tus intereses. Eso podría funcionar para películas, ya que es un compromiso de 90 minutos, pero para los libros no es el caso. Integrar el objetivo correcto en tus métricas es clave.

Otra lección que he aplicado en Spiketrap es construir equipos de inteligencia artificial que estén orientados a la entrega y estén integrados con la hoja de ruta del producto en lugar de un equipo aislado que se centre solo en exploraciones y investigación. Esto conduce a una mejor definición de objetivos, plazos y comprensión del ROI. También favorece naturalmente que el equipo se centre en la velocidad y la practicidad de un modelo en lugar de buscar puramente la precisión. Volviendo al ejemplo del concurso de Netflix, los modelos de los equipos ganadores nunca se integraron porque no eran lo suficientemente prácticos a pesar de su mayor precisión.

¿Cuál ha sido el artículo de investigación más importante para ti hasta ahora?

Durante mi doctorado, tuve la suerte de colaborar con varios investigadores de diferentes áreas, incluyendo aprendizaje automático, “big data”, análisis de datos sociales y teoría de juegos. Un artículo que me gusta por su simplicidad y aplicabilidad es “K-Means++ escalable“: K-means++ es un método de agrupación no supervisado ampliamente utilizado para dividir un conjunto de datos en K grupos coherentes. Lo hace agregando un grupo a la vez, así que cuando tienes toneladas de datos y grupos, se vuelve demasiado lento. En ese artículo, mostramos cómo puedes lograr lo mismo, si no mejor, precisión al parallelizar el método. Nuestra metodología es extremadamente simple y se ha implementado en varias bibliotecas de aprendizaje automático.

¿Podrías compartir la historia de cómo surgió Spiketrap?

Después de trabajar en Goodreads, mi mismo y los co-fundadores de Spiketrap, Kieran y Virgilio, entendimos que había una brecha en la industria para acceder a información avanzada de marca de nichos de plataformas sociales. Al aplicar tecnologías de inteligencia artificial, podríamos abordar el problema de manera eficiente.

En la economía actual, es fundamental que las empresas escuchen a sus clientes y a sus respectivas industrias en su conjunto. Sin embargo, gran parte de lo que los clientes tienen que decir sobre las marcas pasa desapercibido. Millones de personas expresan sus opiniones abiertamente todos los días, en plataformas como Twitter, Reddit, Twitch y similares. Es una fuente de información extremadamente valiosa para cualquier investigador de mercado, siempre y cuando el contenido se pueda contextualizar a gran escala. El problema es que la industria de investigación de mercados no ha mantenido el ritmo con los comportamientos y el lenguaje digitales en evolución.

Las herramientas de escucha siguen dependiendo de palabras clave y búsquedas booleanas, perdiendo gran parte de la conversación que podría y debería atribuirse a una marca en particular. Mientras tanto, las empresas de investigación de mercados se han visto atrapadas en un acto de equilibrio cada vez más difícil, tratando de determinar información cualitativa a partir de metodologías cuantitativas y con restricciones de costo.

En resumen, la gente ha carecido de las herramientas necesarias para comprender a sus audiencias a gran escala. Los números de ventas y los recuentos de espectadores responden al “qué” de los comportamientos de la audiencia, pero no al “por qué”. Sin contexto, determinar qué es correlación versus causalidad es un juego de adivinanza. Reconociendo este vacío, nos sumergimos en lo que sería una solución para la comprensión contextual, y Spiketrap nació.

¿Cuáles son algunas de las tecnologías de aprendizaje automático que se utilizan en Spiketrap?

Utilizamos una multitud de tecnologías, desde la biblioteca Scikit-learn hasta bibliotecas de aprendizaje profundo como Pytorch. Además de las bibliotecas, las metodologías, los modelos y los conjuntos de datos que utilizamos son en su mayoría propiedad de la empresa. Hemos aprendido que los métodos y modelos estándar solo te llevan hasta cierto punto, pero para realmente resolver un problema, debes poner tu propio trabajo en ello, comenzando con los objetivos y llegando hasta la arquitectura del modelo y los conjuntos de datos. Por ejemplo, el modelado de temas es la tarea de extraer temas de una colección de piezas de texto. Nuestro “Spiketrap Convos” proporciona a nuestros clientes información crucial sobre su audiencia y utiliza el modelado de temas como una de las señales. El método habitual para el modelado de temas es LDA (Asignación de Dirichlet Latente), pero desafortunadamente es demasiado inconsistente e impredecible y no lo suficientemente poderoso. Por otro lado, puedes intentar un modelo preentrenado moderno como Bert-Topics, que, aunque poderoso y abarcador, también es muy rígido y lento. El lenguaje natural y la inteligencia artificial han hecho grandes avances en la última década, pero tomar modelos existentes y convertirlos en productos todavía está lejos de ser óptimo y es un apuesta arriesgada.

¿Podrías explicar cómo Spiketrap potencia la comprensión instantánea de la audiencia para creadores, plataformas y marcas?

Los anunciantes y las agencias utilizan nuestras tablas de clasificación de influencers y herramientas de afinidad de marca para identificar a creadores cuyas comunidades son seguras para la marca en una serie de categorías, incluyendo calificaciones para contenido tóxico, profano y sexual, así como la seguridad general de la comunidad. Los creadores pueden utilizar la herramienta para sumergirse en transmisiones individuales y ver cuáles conversaciones fueron las más o menos seguras, qué impulsó la participación positiva para sus patrocinadores y dónde podrían mejorar sus esfuerzos de moderación.

Un artículo reciente titulado ‘FeelsGoodMan: Inferencia de semántica de neologismos de Twitch‘ fue publicado por Spiketrap. ¿Podrías describir brevemente de qué se trata este artículo?

La forma en que la gente se comunica y expresa en línea se ha vuelto cada vez más compleja y desafiante para descifrar. Primero vinieron los emoticonos :-). Luego vinieron los emojis. Luego vinieron los memes… y ahora “emotes”, una nueva forma de comunicación basada en iconos que se ha vuelto muy popular en la plataforma de transmisión en vivo Twitch. Un poco reminiscente de los emojis por su uso intercalado con texto regular, presentan desafíos similares a los memes en que son generados por el usuario y su significado críptico no tiene una conexión obvia con la imagen real representada. Hay más de 8 millones de emotes distintos hasta la fecha, con más de 400.000 utilizados semanalmente. Aun así, la gente se comunica de manera efectiva utilizandolos para expresar cualquier tipo de sentimiento, como alegría, aburrimiento, emoción o sarcasmo. Nuestro artículo reciente es una “receta” de inteligencia artificial para inferir el significado semántico de los emotes. Nuestro enfoque no requiere mantener y actualizar un conjunto de datos curado manualmente, y es capaz de autoadaptarse a la introducción continua de nuevos emotes, así como a la evolución del significado de emotes populares. Esto es particularmente importante cuando un emote se vuelve políticamente o racialmente cargado, lo que hemos visto suceder con emotes extremadamente populares, como “TriHard”, “PogChamp” y “FeelsGoodMan”. El uso dinámico del lenguaje y los cambios en el significado plantean enormes problemas a los sistemas de moderación o a los marcos de análisis de sentimiento, así que estamos orgullosos de abordar este problema de la manera correcta en Spiketrap.

¿Hay algo más que te gustaría compartir sobre Spiketrap?

Mientras miramos hacia el nuevo año, Spiketrap está trabajando en el desarrollo y perfeccionamiento de una nueva herramienta que proporcionará una comprensión más profunda del sentimiento de la marca para nuestros clientes. La nueva herramienta de afinidad de Spiketrap proporciona una forma interactiva e intuitiva de identificar y cuantificar las afinidades de la audiencia a través de creadores, marcas, juegos y más. Para cualquier consulta dada, la herramienta genera puntajes de índice de afinidad que indican cuán bien una entidad determinada está positivamente correlacionada con otra. Numerosas señales de contexto componen la puntuación, incluyendo la frecuencia y el sentimiento de las menciones relacionadas. La pila de tecnología de Spiketrap está únicamente posicionada para indexar afinidades entre juegos, marcas y creadores. Clair, su inteligencia artificial de procesamiento de lenguaje natural propietaria, procesa millones de mensajes generados por el usuario y publicados públicamente todos los días, atribuyendo contenido ambiguo a entidades dentro del extenso gráfico de conocimiento de Spiketrap, identificando temas de conversación, determinando el sentimiento, y monitoreando la seguridad. La adición de la nueva herramienta de afinidad empodera a desarrolladores, creadores, marcas y más para comprender mejor a sus audiencias y el impacto de su marca.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Spiketrap.