ReCaptcha: leitura

O ReCaptcha é um serviço que se utiliza do captcha – aquelas letras tortas ou embaçadas que só um humano consegue entender – para ajudar no reconhecimento de palavras escaneadas de livros antigos e irreconhecíveis por softwares de OCR (reconhecimento ótico de caracteres).

É bastante simples e toda vez que é acionado mostra duas palavras “tortas”. Uma delas o ReCaptcha sabe qual é e a outra o serviço quer reconhecer. Se você acertar a palavra que eles sabem qual é, possivelmente a palavra não identificada também está correta. Joga-se isso algumas vezes para seres humanos e respostas idênticas indicam mais uma palavra reconhecida.

É o bom e velho crowdsourcing. Ou seja, com ajuda de humanos o ReCaptcha permite às máquinas identificarem palavras borradas de livros velhos.

Google Voice Search: fonemas

A busca por voz que existe no Android e no iPhone, nada mais é do que, além de uma coisa legal para mostrar para os amigos, uma forma de capturar fonemas dos mais variados sotaques, entonações, emoções. Cada busca que alguém faz neste aplicativo móvel ajuda de alguma forma aos computadores do Google a melhorar o reconhecimento da voz humana.

Um sinal de que esse reconhecimento de voz está muito bom foi o fato do Google, no ano passado, ter transcrito discursos dos candidatos à presidência dos EUA no Youtube. Ou seja, computadores entendendo todos os sotaques e trejeitos da nossa fala.

Google Translate: poliglota

O tradutor do Google utiliza de um algoritmo matemático poderoso que analisa as palavras em conjunto e tenta mostrar a melhor tradução possível. Claro que comete erros banais mas não deixa de ser interessante que cada vez mais novas línguas são adicionadas. Surgiu até um serviço que tenta achar o equilíbrio em uma tradução do Google, do inglês para o japonês e vice-versa. O sistema usa o Google Translator para traduzir uma frase digitada pelo usuário de uma língua para a outra e vice-versa até achar o equilíbrio.

Mas o que isso tem a ver com a Skynet? Bom, a gigante de Montain View está construindo uma máquina que fala qualquer língua e já implementou no novíssimo Wave permitindo conversas instantâneas entre pessoas que falam idiomas diferentes. Imagina isso junto com o reconhecimento de voz…

Primeiro de Abril?

Como de costume o Google fez as suas brincadeiras de primeiro de Abril. E uma delas foi o CADIE, uma máquina que tomou consciência de sua existência e novídeo que divulga isso dá um toque de Exterminador do Futuro (Skynet), junto com 2001: Uma Odisséia no Espaço (HAL) e resolve assumir a direção da empresa, no caso o Google… Claro que é uma piada mas não seria algum projeto dos 20% que quase escapou do controle? :-)

Marissa Mayer

A super executiva do Google Marissa Mayer em uma entrevista com o fundador do Digg foi perguntada se o Google é a Skynet (sim, link para o vídeo). A resposta foi não, óbvio, as máquinas não deixaram, mas o que ela disse em seguida é interessante. Marissa diz que o Google acredita em fazer os computadores ficarem mais espertos, no sentido de entender o mundo ao nosso redor. Isso dá um basta na questão… por enquanto!

Claro, não podemos confundir as coisas. O que eles estão oferecendo não é um incentivo para você usar a busca orgânica deles e sim clicar nos anúncios e comprar através deles. A busca ainda fica mesmo no Google.Hein? Sim, o que importa é a relevância.

Por que todo mundo usa o Google? Relevância, simples assim. Pesquisar lá é mais fácil, encontramos a resposta rapidamente, quase sempre nas primeiras posições não pagas. Depois que você achar o que quer (no Google, claro!), clicar e ler, deve ir aoCashback para receber seus trocados de volta se aparecer o anúncio certo. Simples, não? Não!

Lembro-me da época áurea do Altavista. Não existia esse conceito de relevância. Ganhava a quantidade então os sites repetiam centenas de vezes as suas palavras-chave na tentativa de ficar em primeiro lugar. O pessoal deMontain View chegou e acabou com isso com seu algoritmo maluco capaz de achar a resposta para quase tudo. Todo mundo mudou de fornecedor para ganhar uma pesquisa mais fácil.

A Microsoft, ao mirar em anúncios que dão dinheiro de volta, está errando feio o alvo. Não estou dizendo que não dará certo. Estou apenas dizendo que a relevância, se não existir, para quê alguém vai se mudar para search.live.com? Nem os anúncios vão sair corretamente sem relevância. Na era do anúncio ultra customizado do Google, aos olhos do consumidor, achar rapidamente o que procura em um único lugar é o que importa. E não vai ser no Live Search, por enquanto.

obs: agradeço o leitor J. Netto (twitter | blog) por ter pedido para eu falar deste assunto.

Leia mais:

• The Empire Strikes Back: Our Analysis Of Microsoft Live Search Cashback, via Techchunch
• The Importance Of A Competitive Search Market, via Techcrunch
• MicroHoo: corporate penis envy?, via O’Reilly Radar
• Podcast GillmorGang sobre o assunto

Uma coisa que aconteceu duas semanas atrás me fez lembrar do Googlezon. O Google News passou a licenciar conteúdo de algumas agências de notícias. Até então o serviço apenas vasculhava a web, criava pesquisas com notícias relevantes e encaminhava os leitores para a fonte do texto. Agora passa também a hospedar conteúdo.

Essa é uma mudança significativa no modelo de negócios do Google News. Alguns editores reclamavam que o Google News os indexava e que isso configuraria pirataria, mas na verdade o que o serviço sempre fez foi levar tráfego para as fontes de informação, sem exibir matérias completas. Agora tudo pode mudar. Ao licenciar conteúdo o Google News pode exibir em seu site as notícias e monetizá-las com anúncios direcionados. Elimina a necessidade de visitarmos o Estadão que tem as mesmas notícias da Folha pois ambas compraram textos da France-Presse, por exemplo.

Notícia pura e simples é commodity. A previsão do Googlezon de reformatar a informação, pegando pedaços aqui e ali, exibindo-as de forma personalizada é perfeitamente possível dentro deste cenário. Notícia pura e simples é commodity. O Google News deu o primeiro passo. Resta saber se irão mashup-izar esse conteúdo nos moldes do EPIC 2014.

Leia também:

• A busca e a prateleira empoeirada

Como era esperado vários assuntos relacionados à web 2.0 foram discutidos como a web como plataforma, a participação do público na interação dos serviços e a busca como parte central da internet. Falou da economia da conversação e exemplos de seu livro.

The rise of web as platform

• baseado em comunicações baratas e software de uso em massa
• permite muita interação e empresas enxutas e inovadoras
• arquitetura da participação
• comércio baseado em conversações

Na verdade a apresentação foi relativamente superficial, pelo menos para os leitores do Techbits. A idéia é passar os conceitos para o público que atendeu ao evento, constituído por empresários e diretores de grandes empresas. Acho que faltou aprofundar no conceito de base de dados das intenções que é uma das bases do livro A Busca.

Acompanhe também:

• Tecnocracia
• Marco Gomes
• IDGNow!
• Fotos do evento, via Flickr

1000 dólares por dia

Segundo o Mashable a visitação continua em alta e o UTube.com, além de manter o tradicional site de venda de tubos, agora é um mecanismo de busca de ringtones. Isso mesmo, ringtones, com direito a anúncios. Aproveitando-se do fluxo de mais de 2 milhões de visitantes por mês – antes recebia apenas 1500 clientes no mesmo período – o UTube deve faturar cerca de mil dólares por dia só com os anúncios exibidos pelo seu mecanismo de busca.

Não é à toa que as pessoas confundem o nome do site. As primeiras vezes que ouvi falar do YouTube, ninguém conhecia e o ao ouvir o pessoal do podcast TWiT citá-lo, achava que estavam falando daquela banda de rock irlandesa, o U2. Só depois de ouvir umas 10 vezes é que entendi que era YouTube. O nome causou muita estranheza no começo, mas hoje é perfeitamente normal. Outra demonstração dos motivos do UTube.com ser tanto acessado, é só assitir (no YouTube) o vídeo da Sônia, que agora tem até loja virtual.

Leia mais:

• YouTube, You Tube, UTube!?, via Gattune

Interface

A interface do Vista está diferente, ficou mais agradável. O tão aclamado Aero não é nada de mais, algumas funcionalidades interessantes, mas que nem sempre facilitam o uso. Por exemplo, o Windows Flip 3D, aquele substituto para o Alt + Tab mais bonitinho, não é de fácil acesso. Com o mouse você precisa ir até à barra de tarefas e clicar em um ícone. Se não me engano depois é só girar a rodinha que as telas deslizam em 3D. Quando testei não sabia que existia teclas atalho para tal função (acho que é Tab + Win), e por isso não posso debater sobre sua facilidade de uso. Quanto às transparências, não vi nada de mais. Não influencia em nada o uso do Vista mas é provável que consuma performance do sistema. Há também o recurso dos thumbnails para quem gosta de abrir várias janelas de um mesmo programa (em geral o navegador de internet), mas prefira as abas presentes agora também no Internet Explorer.

Gadgets

Nos Macs e na internet chamam-se Widgets. A Microsoft, pra não dizer que copiou, mudou o nome para Gadgets. No sistema que usei havia um relógio, um calendário, temperatura da cidade e, surpresa, um agregador de feeds RSS. É possível selecionar quais gadgets você quer na sua área de trabalho, bem como há mais variedade disponível para download. Algo que me incomodou foi o fato de não conseguir (juro, tentei de tudo) alterar os feeds padrão do Gadgets do RSS. A janela que possivelmente permitiria a inclusão de novos feeds apresentava suas opções todas desligadas, ou seja, só dava pra acompanhar notícias oficiais da Microsoft.

Busca

Uma das caracterísicas mais comentadas do Windows Vista é a busca otimizada disponível no menu iniciar. Tudo que estiver no PC é localizável através desta caixinha, ou seja, é praticamente um Google dentro do Vista. Fiz um teste, mas como o computador era novo, não havia muita coisa a ser procurada. A funcionalidade se mostrou bastante rápida, com um pequeno porém: para chegar a ela é necessário entrar no menu iniciar através de um clique do mouse e depois mudar para o teclado. Novamente, só me ocorreu agora descobrir se existe um atalho. Deve existir e e provavelmente é a tecla Win. Se a tecla Win não levar diretamente à caixinha de busca a partir da digitação de qualquer texto, simplesmente o acesso é muito complicado. De qualquer forma as coisas não são intuitivas.

Conclusão

Só usei o Vista por cerca de duas horas (há duas semanas e meia atrás) e a minha primeira impressão do novo sistema operacional da gigante de Redmond não foi de empolgação. Talvez um pouco mais de tempo e customizações sejam o suficiente para sanar os problemas que encontrei. Claro, pode ser que tenha viajado nas minhas argumentações acima, mas foi o que observei neste contato rápido com o novíssimo sistema operacional. Planejo um upgrade em algum momento do futuro, mas agora não há razões para isso. Só não sei ainda se será para o Vista ou para o MacOS X.

(*) ia traduzir, mas perderia o sentido.

15 minutos de fama

É famosa a frase de Andy Warhol dizendo que “um dia, todos terão 15 minutos de fama”. Transpondo essa frase para o fenômeno cultural chamado internet podemos dizer que é verdade. No YouTube não param de surgir celebridades. Tivemos a LonelyGirl que depois descobrimos ser uma jogada publicitária. Outros vídeos ficam famosos da noite para o dia. No orkut, todo mundo tem 300 amigos. Acho que isso pode ser interpretado como os 15 minutos de fama. Ninguém tem 300 amigos fora do orkut. Fora que ser dono de uma comunidade conhecida é ser famoso.

Há sites na web dedicados a esquadrinhar atitudes nem sempre louváveis de pessoas. Um exemplo é o Não saia com ele, site feito por mulheres que ficham seus ex-futuros cara metades. A idéia foi baseada na versão americana Don’t date him, girl. Outros se dedicam a exibir fotos de carros de pessoas que estacionam mal, ou ainda de quem dirige atrapalhando o trânsito. Não duvido nada que existam outros sites do gênero. Ficar famoso em um deles não é exatamente os 15 minutos de fama almejado por alguns.

Use a web em benefício próprio

Caiu na internet, já era. A informação vai ficar ecoando pelos bits e bytes por muito tempo. Então o negócio é usá-la para seu próprio benefício. Quando alguém procurar seu nome no Google, que apareça nas primeiras posições algo que seja útil para você, e não sua ficha em algum dos sites acima mencionados, ou pior, na imprensa relacionado a algum caso embaraçoso.

Existe uma certeza: o Rh vai checar você no Google quando estiver participando de um processo seletivo. Seu chefe vai fazer o mesmo quando estiver indeciso sobre quem será promovido para aquela vaga que acabou de abrir. Aquela gatinha que você vai encontrar hoje à noite já checou tudo antes pela internet. Então o melhor a fazer é estar bem na foto, pois a foto sempre vai existir, queira você ou não.

[Atualização]: Leia o excelente texto Será que sabemos usar a internet? do blog 3pontozero.

Bélgica vs. Yahoo!, Google, Microsoft

Não é a primeira vez que a Copiepresse requisita a um mecanismo de buscas para não ser achado. Aqui no Techbits já falei sobre o caso envolvendo a mesma instituição e o Google. Aparentemente a busca da Microsoft, o MSN, também sofreu do mesmo problema. A questão que reclamam é válida: como os mecanismos de busca necessitam fazer cópias do conteúdo de um site para depois poder localizá-lo e enviar leitores, a Copiepresse diz que isso é uma violação de direitos autorais. Em sua defesa os mecanismos de busca dizem que só usam as cópias para gerar tráfego para o site indexado e não exibem textos completos como resultado de uma pesquisa. Faz sentido.

Livros digitalizados vs. Mecanismos de busca

Outra polêmica envolvendo mecanismos de busca são os projetos de digitalização de livros. Começou como o Google Livros, mas o Yahoo! e a Microsoft também entraram neste mercado. As editoras reclamaram, o circo pegou fogo, negociações foram feitas e no final algumas concordaram em serem escaneadas e outras não.

A todos que querem ficar na prateleira juntando pó, desejo boa sorte. Eu vou continuar a procurar arquivos digitais.

(*) foto deste post, via Flickr (link), sob licença CC (link)

Hack para funcionar no Brasil

Tentei usar o Podzinger mas é necessário um hack para a busca no YouTube funcionar no Brasil. Por algum bug interno, se o sistema detecta que o navegador é em português, não acha nada. Faça o seguinte:

1. Entre no Podzinger e faça uma pesquisa na aba YouTube. O resultado será uma página de erro;
2. Altere a última parte da URL de: &il=pt&col=pt-all-youtube-ep para &il=en&col=en-all-youtube-ep
3. Pronto! O que fizemos foi “enganar” o Podzinger dizendo que nosso navegador é em inglês, trocando o pt por en;
4. O resultado da pesquisa por “series of tubes” – homenagem à justiça brasileira que não sabe o que é internet e quer fechar o YouTube – pode ser visto no screenshot abaixo:

A Busca como o centro da web

Uma das coisas mais importantes da web é, sem dúvida alguma, a busca. Antes tínhamos prateleiras empoeiradas com os livros, os vídeos, as músicas. Hoje existe a busca e tudo está ao alcance de algumas tecladas. A busca pela linguagem falada é complexa. Não é a mesma coisa que indexar simples textos. O Podzinger existe para mudar tudo isso. Apostaria até que deve ser adquirida por alguma gigante da internet em breve.

Já fiz muitas buscas no Podzinger. Ouço vários podcasts, ou seja, muita informação. Como escrevo um blog sobre tecnologia às vezes lembro que ouvi tal coisa no podcast Security Now!, por exemplo. Mas não lembro o episódio. Podzinger nele! Só torço para a Cicarelli não querer fechar o Podzinger também por causa de uns gemidos perdidos transcritos…

(*) meta-informação: informação sobre a informação… no caso, uma espécie de folksonomia voltada para as máquinas…

ChaCha, a busca semântica

O ChaCha é um serviço de busca na qual nós conversamos com seres humanos de verdade, via chat, pedindo a eles que procurem determinada coisa para nós. Fiz um teste, achei interessante pois do outro lado é realmente uma pessoa (perguntei duas vezes), mas no geral creio que seja mais fácil fazer por conta própria a pesquisa no Google ou outro mecanismo de busca do que ficar perguntando para alguém fazer isso por mim. Elaborei uma pergunta complexa, pedindo hotéis em Madri, Espanha para o Ano Novo, em determinada faixa de preço. Das três respostas que obtive, duas foram mecanismos de busca de hotéis na Europa e apenas uma tinha quase aquilo o que pedi. Não é exatamente uma busca semântica, mas é um avanço.

Web semântica

O próprio Tim Berns-Lee diz em seu artigo sobre web semântica para imaginar uma situação do dia a dia na qual, interagindo com nossos gadgets semânticos poderemos resolver vários problemas com a ajuda de um assistente pessoal que entenda converse com outras máquinas e interprete a informação. No exemplo que ele demonstra, uma pessoa marca o médico para a mãe, escolhendo o melhor em termos de logística de compromissos para todos os envolvidos na operação. A máquina mostra as possibilidades e o humano apenas escolhe o que acha melhor.

A web semântica como está concebida – das máquinas lerem meta-informações para tentar entender o conteúdo – não funciona. Seria tão complicado e tomaria tanto esforço padronizar toda a informação da web com meta-informações que é impraticável. Se hoje muitos sites nem seguem os padrões web, mesmo tendo vários anos para terem feito isso, não imagino a possibilidade de um dia esse mar de informações ser transformada em web semântica com a inclusão das tags de meta-informação.

Inteligência Artificial

Só vejo a possibilidade das máquinas realmente entenderem o significado de textos, figuras e serviços na web ou no mundo real, no dia que se tornarem inteligentes de verdade. Lá vem eu de novo com essa baboseira de ficção científica. Bom, um estudioso chamado Ray Kurzweil afirma que neste século atingiremos a singularidade tecnológica e isso talvez seja possível. Quando isso acontecer, aí sim a web será semântica, mas talvez ela nem seja da forma que conhecemos hoje e sim algo totalmente diferente que simplesmente não há como imaginar. O irônico de tudo isso é que precisaram colocar uns humanos por trás das máquinas para que a busca se tornasse semântica…

A Busca impulsiona os negócios

No livro “A Busca” (compre no Submarino), John Battelle cita o caso de uma loja de sapatos que, da noite para o dia, viu seu faturamento despencar por ter caído no ranking do Google. A loja virtual, que vendia cerca de 40 mil dólares por mês, ficou com estoques encalhados às vésperas do Natal de 2003. A busca impulsiona visitantes, o faturamento e os negócios. Sair da primeira página do Google para outra qualquer fez todos esse índices despencarem.

Não é à toa que encontramos pela web empresas vendendo SEO (Search Engine Optimization – Otimização em Mecanismos de Busca), muitas delas oferecendo práticas não aceitas pelo Google e, portanto, passíveis de exclusão do mecanismo de busca como ocorreu recentemente com a BMW alemã.

Os livros e a prateleira infinita indexável

Controvérsia parecida ocorre com as editoras de livros e o Google. O projeto Google Livros pretende escanear e tornar disponível a busca por todos os livros existentes. As editoras não gostaram da idéia. Mas como fazer para que aquele livro, perdido em uma estante empoeirada, seja descoberto? Só com a busca na prateleira infinita da Cauda Longa. E isso provavelmente aumentará as vendas.

Azar deles

Dizem por aí que cerca de 40% das visitas a sites de notícia originam-se de serviços agregadores como o Google News. Por que então uma empresa de mídia prefere ficar fora do Google? A verdade é que as empresas representadas neste processo querem continuar no Google News, mas exigem pagamento de taxas de direito de uso de trechos de seus textos.

O Google defende-se dizendo que não fatura em cima do serviço Google News (não há anúncios), e que qualquer site pode se auto excluir de mecanismos de buscas apenas configurando corretamente o robots.txt, arquivo padronizado que alerta robôs de mecanismos de buscas sobre qual conteúdo [não] indexar.

Só posso entender que os jornais belgas não querem atrair leitores… azar deles.

A base de dados de intenções descrita no livro A Busca (compre no Submarino | leia resenha), sobre o Google, finalmente tomou forma e mostra coisas assustadoras do ponto de vista da privacidade. Analisando os dados é possível descobrir potenciais homicidas, suicidas, tarados, viajantes, desempregados e outros tipos de intenções. Como as pessoas têm o costume de procurar o próprio nome nos mecanismos de busca (ego search), dá pra imaginar o problema que isso pode gerar.

Com a confusão montada, o site da AOL que continha essas informações foi tirado do ar, e a empresa pediu desculpas. Mas como tudo na internet, há cópias circulando por aí e sites analisando as informações para traçar o perfil dos usuários.

[Atualização] O jornal NY Times identificou a primeira pessoa nos dados da AOL: uma viúva de 62 anos que vive no estado da Geórgia (EUA).