El paquete de inicio TAO, siglas de Train, Adapt, and Optimize, agiliza la creación de modelos de IA para el reconocimiento de voz y visión.
“En realidad, no se requiere competencia en IA. Ni siquiera es necesario estar familiarizado con todos los marcos de trabajo. Y se pueden utilizar modelos preentrenados que son muy precisos y tienen un buen rendimiento”, dijo Chintan Shah, director de producto de NVIDIA, en una reciente conferencia de prensa.
Shah explicó que el sistema TAO está pensado principalmente para la inferencia, y algunas aplicaciones incluyen la traducción de idiomas y la detección de objetos en robots y automóviles. “La presunción es que el usuario tiene datos anotados. Lo entrena con sus propios datos, y TAO abstrae las complejidades de TensorFlow o Pytorch. Ni siquiera es necesario estar familiarizado con ninguno de los marcos de aprendizaje profundo”, explicó Shah.
El marco incluye modelos de tareas específicas para la visión artificial, como la detección de personas, la detección de vehículos y la estimación de la postura. También admite aplicaciones de propósito general, como las implementaciones de modelos de identificación de objetos YOLO v4 y EfficientNet.
El marco TAO incluye entre 20 y 25 modelos de voz para aplicaciones como el reconocimiento del habla, la conversión de texto en voz y el procesamiento del lenguaje natural. Los modelos basados en TAO pueden utilizarse junto con los SDK del marco de NVIDIA, como DeepStream para el análisis de vídeo y Riva para la IA conversacional.
Técnicamente no hay límite en el tamaño del modelo, ya que admite modelos pequeños como MobileNet, pero puede escalar a modelos enormes con miles de millones de parámetros. “Lo que ocurre es que el límite del modelo es básicamente lo que admite. Si se intenta ejecutar un modelo lingüístico de gran tamaño en una GPU pequeña, se agotarán rápidamente la memoria y los recursos informáticos. Sin embargo, tenemos el potencial de hacerlo crecer hasta la multi-GPU y el multi-nódulo”, apuntó Shah.
TAO, por su parte, se centra en tareas específicas, concretamente en el reconocimiento del habla y la visión artificial. Los modelos de IA más grandes y complicados, distribuidos en una amplia red de GPUs, requieren un mejor conocimiento de los datos a medida que se introducen en el sistema. En función de los resultados, estos modelos de aprendizaje acabarán requiriendo la intervención manual. “No es algo que aborde TAO, pero reconocemos que es una preocupación mayor y estamos trabajando activamente con nuestros socios del ecosistema que proporcionan servicios similares”, añadió Shah.
TAO crea modelos de IA y entrena los datos utilizando metodologías de bajo código. Para empezar, los desarrolladores pueden utilizar un cuaderno Jupyter con una interfaz de línea de comandos para importar conjuntos de datos reales y sintéticos para el entrenamiento.
El usuario puede utilizar técnicas de aumento para mejorar o generalizar los datos, como la transformación de fotos de RGB a escala de grises mediante el aumento espacial, la rotación o la transformación del color. Este proceso también incluye la detección, la segmentación y la clasificación de los datos. “Esto puede aumentar significativamente la variedad de su conjunto de datos”. Esto le permitirá generalizar su modelo de forma mucho más eficaz”, explicó Shah.
El starter kit de TAO aborda uno de los aspectos más difíciles de hacer que la IA sea accesible para su uso eficaz, principalmente debido a que no todo el mundo puede contratar a científicos de datos.
El kit de herramientas se puede descargar de forma gratuita desde el sitio web de NVIDIA. Chintan Shah finalizó señalando que su empresa estudia la posibilidad de poner los recursos de la GPU de NVIDIA a disposición de los usuarios a través de su servicio basado en la nube, Launchpad, en el que los clientes pueden experimentar con varios productos, incluido Tao.
