*

Crean algoritmo que mejora las búsquedas de Tinder usando tu historial para encontrar personas más afines

 o-TINDER-facebook

Cuando uno usa Tinder tiene que descartar todas las posibles “parejas” que salen como opción, las opciones pasan y pasan bajo nuestros dedos sin encontrar a la persona indicada, la que sea más afín a nosotros, con la que compartamos más gustos.  

Harm de Vries y Jason Yosinki, estudiantes del Doctorado en Ciencias de la computación de las universidades de Montreal y Cornell, respectivamente, construyeron un complejo algoritmo de aprendizaje profundo que puede reconocer el tipo de personas que les gustan en Tinder.

"Me mudé a Montreal para empezar mi doctorado aquí y comencé a usar Tinder", dice Vries. "Frecuentemente me aparecían chicas que no eran de mi tipo, con muchos tatuajes y piercings y esas cosas. Así siguieron mostrándome resultados que no eran de mi agrado, entonces pensé que los de Tinder definitivamente no estaban utilizando mi historial para definir qué tipo de chicas son las que me gustan”.

El algoritmo se describe en un artículo publicado en ArXiv preprint server. Aún no ha sido revisado por profesionales.

El enfoque de aprendizaje profundo que los investigadores utilizaron se llama "el aprendizaje de transferencia", en el que se entrena a una red neuronal para reconocer un aspecto (en este caso, el género) y, a continuación algunos de esos parámetros aprendidos se utilizan para reconocer otro (el atractivo).

La “transferencia inductiva” (inductive transfer) o  “aprendizaje de transferencia” (transfer learning) es un problema de investigación en aprendizaje automático que se centra en el almacenamiento de los conocimientos adquiridos, dando la solución de un problema a partir de un problema diferente pero relacionado. Por ejemplo, las habilidades adquiridas mientras aprendemos a caminar, presumiblemente, pueden aplicarse cuando aprendemos a correr.

Otros científicos han desarrollado algoritmos notables para la transferencia inductiva que han sido aplicados en los problemas de clasificación de texto, filtración de spam y simulación de combate urbano.

La red se formó primero para reconocer el género utilizado casi 50 mil fotos de OkCupid, luego se enfocó en reconocer las especificaciones de atractivo en 10 mil fotos de Tinder. La configuración final consiguió 63% de precisión en el reconocimiento de la gente que De Vries podrían encontrar atractiva en Tinder.

Cuando se alimentó a las imágenes a través de una red previamente diseñada, no optimizada para el género o el atractivo, la calificación de precisión alcanzó el 68%.

"Es sólo una cuestión de tiempo antes de que alguien comercialice esto", dijo De Vries. "Si tienes una gran cantidad de usuarios, podrías entrenar una red neuronal directamente respecto de ellos, que sería mucho mejor que la que tengo ahora. Esto es sólo un primer paso".

El resultado no es perfecto, sin embargo, como dice el estudiante de doctorado, es un primer paso para poder desarrollar un sistema que filtre enteramente tus gustos a partir de tu historial en la red.

Qué miedo.