¿Cuáles son los problemas realmente difíciles que quedan por resolver en la web?

  • Descubrimiento
  • Reputación

Descubrimiento

Aunque ha habido mejoras distintas en el área, nadie ha descifrado realmente Discovery todavía (a diferencia de Search).

Ming Yeow Ng tiene una gran presentación sobre Discovery que recomendaría: http://www.slideshare.net/mingye…

Para definirlo en términos más simples:

  • La búsqueda le permite encontrar lo que está buscando.
  • Discovery te muestra lo que no sabías que estabas buscando

Por ejemplo, Google es un motor de búsqueda. Aunque el nuevo autocompletado ocasionalmente me ayuda a encontrar cosas que no estaba buscando originalmente, generalmente sé qué tipo de cosas estoy buscando y Google me ayuda a encontrarlas.

Stumbleupon es un ejemplo de descubrimiento. Realmente no estoy buscando nada en particular, y SU ocasionalmente me llevará a información nueva que no sabía que me interesaba. A menudo, solo me lleva al ruido.

El descubrimiento está bastante bien resuelto en dominios específicos, como las recomendaciones de películas, donde el aprendizaje automático está haciendo coincidir mis preferencias de gusto con otras con gustos similares. Sin embargo, no existe un algoritmo para tomar una nueva información, música o película sin calificaciones previas y clasificarla.

Hasta donde yo sé, no hay un motor de descubrimiento general de aplicaciones que funcione realmente bien.

Reputación

La reputación contextual, también conocida como gráfico de reputación (a diferencia del gráfico social), también conocido como capital social, no se ha hecho de manera efectiva hasta el momento, aunque numerosos intentos de resolver esto en silos aislados son prometedores.

Quora es un excelente ejemplo de un sitio que intenta esto. Están intentando usar mis respuestas, clasificadas por etiquetas, para establecer si poseo o no alguna experiencia en esas áreas. La mecánica del juego del sistema se está configurando lentamente para permitir que mi reputación afecte el peso de mis votos y mis respuestas.

StackOverflow.com, Klout.com, Hashable.com, Mixtent.com, Honestly.com y muchos otros sitios están recurriendo a la mecánica del juego u otros sistemas para resolver este problema, pero nadie ha creado una solución que establezca reputación en contexto y lo aplica a un fin productivo. La mayoría de los sistemas actuales, incluido Quora, simplemente fallan en una variedad de áreas.

Además, ningún sitio está cerca de crear un gráfico de reputación similar al gráfico social (piense en Facebook, Twitter y LinkedIn) al que se puede acceder a través de una API y aplicarlo en diferentes sitios web. (Los sitios web son en sí mismos un contexto que la reputación debe considerar).

Hay varios problemas asociados que afectan la reputación, incluida la privacidad y la seguridad. Sin embargo, son auxiliares. Con un sistema de reputación bien estructurado, la privacidad se vuelve menos deseable, excepto para los corredores gratuitos (personas que intentan jugar el sistema / engañar).

[Discúlpame mientras estoy completamente preocupado por la seguridad.]

La seguridad es auxiliar / un subconjunto de la reputación porque un sistema de reputación contextual es una solución de seguridad si deja de pensar en la seguridad como una función binaria en la que un usuario es confiable o no confiable. La seguridad ya se está moviendo en esta dirección.

Por ejemplo, para realizar una compra con tarjeta de crédito de menos de $ 20, la autenticación de dos factores (tarjeta más firma o PIN) a menudo no es necesaria. El contexto de la compra es demasiado bajo. Las compañías de tarjetas de crédito también buscan patrones de gasto para determinar la probabilidad de que una compra sea genuina. Por lo tanto, la seguridad ya es un sistema de reputación contextual.

Desafortunadamente, muchas compañías de seguridad tecnológica no se dan cuenta de esto.

  • Averiguar lo que quiero: sugerir de manera efectiva el contenido que le gustaría a un usuario. El concurso de algoritmos de Netflix destacó esta fusión aún incipiente (y altamente rentable) de estadísticas inferenciales, inteligencia artificial y algoritmos. Hay una gran cantidad de ganancias al sugerir contenido relevante porque reduce los costos de transacción de cualquier tipo de transacción económica, ya sea una transacción financiera o una transacción de tiempo y costo de oportunidad. Con una reducción en los costos de transacción, hay una mayor probabilidad de completar la transacción, es decir, aumentar los ingresos a través de las ventas.
  • Decirme lo que sucede a mi alrededor: verdaderamente “aprovechar” los servicios basados ​​en la ubicación. Las redes sociales pueden estar alcanzando un cenit a medida que el mercado se satura de empresas que a veces duplican soluciones a los problemas, pero todavía estamos rascando la superficie con lo que podemos hacer con LBS y la realidad aumentada.
  • Mantener mis datos seguros: la criptografía moderna y la seguridad del protocolo digital siguen siendo tecnologías bastante incipientes, y la velocidad de su avance solo se corresponde con el avance de las herramientas y técnicas diseñadas para derrotar a ambos. Descubrir cómo mantener la información segura pero no inalcanzable es un viejo problema que nos sigue molestando, y probablemente continuará haciéndolo en el futuro previsible.
  • Entregándome más, más rápido : diseñando mejores medios para transmitir datos en un formato comprimido. Las restricciones físicas en la infraestructura de telecomunicaciones de EE. UU. Obstaculizan nuestra capacidad de seguir aumentando el ancho de banda disponible per cápita para los consumidores al ritmo que hemos visto en los últimos diez años. Mientras tanto, el crecimiento de los datos en línea y las demandas de ancho de banda del usuario promedio no son tan limitadas. Tenemos que encontrar una manera de mantenernos al día con nuestra demanda para que no nos embotellemos en el futuro.

De una entrevista que tuve con Tish Shute, http://www.ugotrade.com/2011/01/…

Descubrimiento : el mayor desafío es construir hacia datos ambientales personalizados, localizados y en tiempo real. Discovery está en su infancia, las listas de mejores, principales y tendencias basadas en redes sociales con algunas opciones básicas de filtrado están disponibles, y esto es excelente ya que las personas se están acostumbrando a la información que les rodea. Hasta cierto punto, puede intensificar la experiencia de AR, por ejemplo, sugerir el plato más popular en un restaurante o mapear las mejores cafeterías cercanas, pero está personalizado en el mejor de los casos por recomendaciones de amigos y depende de la cobertura y la amplitud del servicio de descubrimiento específico. .
Existe la necesidad de la próxima generación de descubrimiento, descubrimiento personalizado con reconocimiento de geo-social que filtre la gran cantidad de datos en tiempo real al aprender las preferencias y el comportamiento del usuario.

Protocolos : AR se trata de interactuar con información digital; El ecosistema AR está compuesto de capas y componentes como dispositivos, plataformas, navegadores, aplicaciones y contenido. Para que los diferentes componentes interactúen con nuevos protocolos, deben existir pautas de seguridad y políticas de privacidad. Un estándar permitirá a los proveedores locales y proveedores de servicios publicar ofertas especiales, ofertas, actualizaciones y eventos para cualquier aplicación para transmitir, identificar personas y lugares por proximidad (sin tener que usar la misma aplicación o dispositivo), las recomendaciones locales serán compartidas por los servicios, los dispositivos podrán interactuar, las plataformas basadas en la ubicación, como preguntas y respuestas, tendrán acceso a una gran cantidad de información, los dispositivos con reconocimiento geográfico proporcionarán una experiencia consistente a nivel mundial y mucho más.