Google Drive: Machine Learning para ahorrar tiempo
Para Google Drive, investigamos técnicas de aprendizaje automático (ML) de vanguardia. Que nos permiten ofrecer productos y servicios destinados a ayudarlo a concentrarse en lo que es importante.
Nuestro objetivo es ayudarlo a ahorrar tiempo, hacer que la vida y el trabajo sean un poco más convenientes, desde proporcionar traducciones de idiomas hasta comprender imágenes hasta ayudarlo a responder correos electrónicos .
Estudios recientes han demostrado que encontrar información es solo superado por el manejo del correo electrónico como un drenaje de la productividad en el lugar de trabajo.
Para ayudar a abordar esto, el año pasado lanzamos el acceso rápido, una función en Google Drive que utiliza ML para mostrar los documentos más relevantes en cuanto visita la pantalla de inicio de Google Drive.
Originalmente disponible solo para clientes de G Suite en Android, Quick Access ahora está disponible para cualquier persona que use Google Drive (en la Web , Android e iOS ), lo que le evita tener que ingresar a una búsqueda o buscar en sus carpetas.
Nuestras métricas muestran que el acceso rápido lo lleva a los documentos que necesita. En la mitad del tiempo en comparación con la navegación o búsqueda manual.
El acceso rápido utiliza redes neuronales profundas para determinar patrones a partir de varias señales. Como actividad en Google Drive, reuniones en su calendario y más. Para anticiparse a sus necesidades y mostrar los documentos apropiados en la pantalla de inicio de Google Drive.
Los enfoques de ML tradicionales requieren que los expertos en dominios deriven características complejas de los datos. Que a su vez se utilizan para entrenar el modelo.
Sin embargo, para el acceso rápido, construimos miles de funciones simples a partir de las diversas señales anteriores. Por ejemplo, las marcas de tiempo de los últimos 20 eventos de edición en un documento constituirían 20 funciones de entrada simples. Y las combinamos con el poder de las redes neuronales profundas para aprender de la actividad agregada de nuestros usuarios.
Al utilizar redes neuronales profundas. Pudimos desarrollar modelos predictivos precisos con características más simples y menos esfuerzo de ingeniería de características.
El modelo calcula una puntuación de relevancia para cada uno de los documentos en Google Drive. Y los documentos con los mejores puntajes se presentan en la pantalla de inicio. Por ejemplo, si tiene una entrada de Calendario para una reunión con un compañero de trabajo en los próximos minutos.
El Acceso rápido puede predecir que la presentación en la que ha estado trabajando con ese compañero de trabajo. Es más relevante en comparación con la hoja de cálculo del presupuesto mensual o las fotos que subido la semana pasada.
Si ha estado actualizando una hoja de cálculo cada fin de semana. Luego, el próximo fin de semana, es posible que Quick Access muestre esa hoja de cálculo antes de los otros documentos que vio durante la semana.
Esperamos que el acceso rápido lo ayude a usar Google Drive de manera más efectiva. Lo que le permite ahorrar tiempo y ser más productivo.
