Tendencias

Microsoft y Facebook colaboran para crear una inteligencia artificial más eficiente y poderosa

artificial intelligence and communication

Tras el sonado caso que Facebook tuvo que apagar una inteligencia artificial que no pudo controlar, la red social piensa desarrollar una IA mucho más eficiente y poderosa con la ayuda de Microsoft.

El pasado jueves la tecnológica anunció el formato Open Neural Network Exchange (ONNX), un proyecto de código abierto creado junto con Facebook, que proporciona un modelo compartido de representación para garantizar la interoperabilidad y la innovación en el ecosistema del marco de trabajo de la inteligencia artificial.

El compromiso de Microsoft es hacer que la inteligencia artificial sea más accesible y valiosa para todos. Con el fin de facilitar esto, ofrecen una variedad de plataformas y herramientas, incluyendo su Cognitive Toolkit -un framework de código abierto para construir redes neuronales profundas-, y también trabajan con otras organizaciones que comparten sus opiniones para ayudar a la comunidad de IA.

En esta línea, el pasado jueves la tecnológica anunció el formato Open Neural Network Exchange (ONNX), un proyecto de código abierto creado junto con Facebook, que proporciona un modelo compartido de representación para garantizar la interoperabilidad y la innovación en el ecosistema del marco de trabajo de la inteligencia artificial. Las tecnologías Cognitive Toolkit, Caffe2 y PyTorch soportarán ONNX.

Gracias a la interoperabilidad que ONNX proporciona, los desarrolladores pueden moverse más fácilmente entre  frameworks y utilizar la mejor herramienta para las tareas que realicen a mano. Cada marco de trabajo está optimizado para características específicas tales como formación rápida, soporte para arquitecturas de red flexibles, inferencia en dispositivos móviles, etc. A menudo, la característica que es más importante durante la investigación y el desarrollo difiere de la que lo es para la puesta en producción. Esto produce ineficiencias o retrasos significativos si no se usa el framework apropiado. Los frameworks que usa ONNX simplifican estos aspectos y permiten a los desarrolladores ser más ágiles.

En cuanto a la optimización compartida (otra de las ventajas de ONNX), desde Microsoft explican que los fabricantes de hardware y otras empresas que ofrecen optimizaciones para mejorar el rendimiento de las redes neuronales pueden impactar en múltiples estructuras al mismo tiempo si usan ONNX. A menudo, las optimizaciones se deben integrar por separado en cada marco de trabajo, lo que puede suponer un proceso que consuma mucho tiempo. La representación de ONNX facilita que las optimizaciones lleguen a más desarrolladores.

La versión inicial del código ONNX y la documentación están ahora disponibles como código abierto en GitHub (https://github.com/onnx/onnx) como punto de partida para que la comunidad se involucre de inmediato.

Deja un comentario

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>