Vivimos en la Era de los Datos, donde el 90% de los mismos ha sido creado en los últimos 2 años y donde cada minuto, 1.7MB son creados por cada persona del mundo hasta los 2,5 quintillones de bytes que se crean cada día. Mucha información donde casi el 80% se consideran datos oscuros: datos que no pueden ser procesados porque no existen métodos que puedan sacarle un verdadero partido. Son datos que pueden visualizarse pero que solo se acumulan.

 

Circuit BrainMultitud de industrias producen millones de datos todos los días: las redes sociales, las páginas web, los comercios, transportes, salud, seguridad, videojuegos… allá donde miremos hay datos: se pueden ver, trabajar con ellos, agruparlos… lo que se denomina inteligencia de negocio. Pero esa inteligencia no puede extraer conclusiones de análisis de los mismos. Solo nosotros (con nuestra capacidad cerebral) estamos capacitados para ello. Solo un ser humano tiene la capacidad de mirar una analítica de un videojuego e interpretar en ella el comportamiento de los jugadores y si la curva de dificultad del mismo es la apropiada o hay que ajustarla (por poner un ejemplo de la industria que nos atañe).

Pero, ¿y si hubiera alguna forma por la que una máquina pudiera extraer conclusiones sobre el análisis de datos? Un tipo de inteligencia artificial que a través de mecánicas de computación, pudiera analizar datos, trabajarlos, extraer conclusiones y ayudarnos a ver aquello que tal vez nosotros no vemos. Porque el ser humano tiene un límite a la hora de analizar una cantidad de datos y requiere de un conocimiento previo para extraer conclusiones. Pero ahora, con la ayuda de máquinas, esto es una realidad, gracias a lo que se conoce como computación cognitiva.

El primer paso gran paso de la misma vino en el 2011 con la presentación al mundo de Watson, sistema de computación cognitiva de IBM, que fue capaz de ganar a dos jugadores humanos (muy experimentados) en el famoso programa de TV “Jeopardy”, un juego que por su idiosincrasia y estructura, hubiera resultado imposible de ganar por sistemas convencionales basados en algoritmos programados. Watson, es el sucesor de aquella máquina que todo el mundo conoció en 1997, Deep Blue, que fue capaz de ganar al campeón del mundo Garry Kasparov al ajedrez. Esa fue la semilla y el nuevo Watson ahora es capaz de afrontar y analizar mucho más y convertirse en un sistema de propósito general capaz de, por ejemplo, analizar los mercados financieros y sus posibles movimientos, extrayendo conclusiones, o de ayudar en la investigación contra el cáncer y proporcionar diagnósticos a nivel de datos sobre el estudio de enfermedades a nivel global. Pero, ¿cómo hace esto?

¿Y si las máquinas pudiesen extraer conclusiones sobre el análisis de datos?

Los actuales sistemas programables se basan en reglas que los programadores determinan y no tienen la capacidad de asimilar o procesar datos impredecibles o que tengan una estructura diferente a aquella para la que fueron creados. Los sistemas cognitivos, por el contrario, usan la probabilística para adaptar y dar sentido a la información no estructurada o impredecible en su forma y estructura. Su fuente de entrada de datos es toda: voz, imagen, texto… pero su forma de procesar la información es mediante la creación de binomios de preguntas y respuestas: así se genera el conocimiento de estos sistemas. El sistema genera preguntas y posibles respuestas en función de los datos, que han de ser valoradas por humanos. Y mediante dicha interacción se crea la base de conocimiento que le permite analizar y extraer conclusiones: crear sus propias respuestas a determinadas preguntas. Estas respuestas se bareman nuevamente en su acierto por humanos y el aprendizaje se convierte en exponencial.

¿Qué puede aportar esto al mundo de los videojuegos? Analicemos el mercado actual para darnos cuenta de ello. A día de hoy, los juegos son un universo de datos sin fin. Usted juega a un juego y se divierte con ello: desde el Candy Crush al Batman Arkham Knight o el League of Legends. Usted obtiene diversión: pero las compañías obtienen sus datos de cómo juega. ¿Por qué nivel va? ¿Cuánto ha jugado? ¿Cuánto le ha costado pasarse cada nivel? ¿Cuántas veces tuvo que repetirlo para pasarlo? ¿Que nivel de complejidad aleatorio generó el nivel para que usted pudiera pasarlo? ¿Cómo respondieron otros jugadores ante retos similares al suyo? ¿Qué comportamiento o retos le son más interesantes? Las respuestas a estas preguntas (y muchas más) están en las analíticas que usted va generando mientras juega: datos y analíticas que usted acepta enviar (en la mayoría de los casos anónimamente) cuando acepta el acuerdo de licencia correspondiente (el del juego o el del propio sistema que usa para jugar).

intelligence mechanics

Esto, a lo largo de los días y por medio de millones de jugadores en todo el mundo, genera una inmensa cantidad de datos. Datos que contienen la respuesta a preguntas de mucho mayor calado: ¿cuál es la fórmula del éxito de un juego? ¿cómo conseguir que el jugador esté más tiempo jugando a nuestro juego? ¿cómo crear al jugador la necesidad de ampliar el mismo o conseguir ventajas mediante las compras integradas o los DLCs? ¿hasta dónde está dispuesto el jugador pagar por su diversión? ¿qué grado de dificultad es el idóneo para cada jugador para no perderlo en el transcurso del mismo por abandono, sin que llegue a ser tan fácil que le parezca trivial o aburrido?

Pero que el ser humano no tiene la capacidad de procesar, estudiar y manejar los datos al nivel necesario para responder a esas preguntas analizando y concluyendo sobre estos datos. La computación cognitiva sí. Por eso ha puesto su punto de mira en los videojuegos (entre otros muchos mercados potenciales) con el objetivo de ayudar a conseguir una buena respuesta a estas preguntas y otras muchas. Con el objeto de llegar mucho más allá en la optimización de las experiencias de juego y su monetización. Eso es lo que IBM, a través de Watson y su plataforma de computación en la nube, Bluemix, va a empezar a ofrecer a los desarrolladores.

Los juegos son un universo de datos sin fin. Usted obtiene diversión y las compañías datos sobre cómo juega.

Obviamente, es un camino que hay que recorrer despacio, aprendiendo y enseñando a Watson a conocer las respuestas apropiadas a cada una de las preguntas. Y cual niño que empieza a aprender sobre un tema, sus preguntas son muchas y cuanto más se interactúe con él más aprenderá. Y cuánto más sepa, mayor facilidad tendrá para extraer conclusiones que puedan ayudar a mejorar las experiencias de juego, a afinar las curvas de dificultad, a conseguir mejores y más objetivas campañas de marketing y a comprender mejor el comportamiento lúdico del ser humano para proporcionar para este una experiencia más adecuada y adaptada.

Estamos en el primer paso de un recorrido muy interesante… la computación cognitiva es el futuro y somos testigos de su nacimiento. Como decía Thomas Watson Jr., presidente de IBM entre los años 1952 y 1971, responsable de que la compañía se dedicara a los ordenadores (y a quien debe su nombre el sistema): “la informática nunca le quitará al ser humano su iniciativa ni podrá reemplazar su pensamiento creativo. Pero liberando al hombre de las formas más serviles o repetitivas de pensamiento, los ordenadores permitirán aumentar las posibilidades para la plena utilización de la razón humana”.


8k1YG4XX

 

Julio César FernándezEvangelist de Desarrollo en entornos Apple, escritor del libro “Aprendiendo Swift” y editor jefe de la web applecoding.com. Director técnico de Gabhel Studios, estudio de desarrollo independiente de videojuegos. Tecnólogo y experto en tecnologías Apple, Microsoft, Oracle o Android. Ingeniero de vídeo y sonido, actor de doblaje y locutor, experto en social marketing, formación y comunicación. Blogger, podcaster, colaborador de diferentes medios de tecnología, consultor tecnológico y conferenciante.

Hacer Comentario

Su dirección de correo electrónico no será publicada.