Windows Machine Learning (ML) ha anunciado la incorporación de nuevas capacidades que permitirán a los desarrolladores trabajar de manera más eficiente con modelos de inteligencia artificial en computadoras que operan con el sistema Windows. Utilizando el formato ONNX, estos modelos podrán ejecutarse localmente gracias al ONNX Runtime, que gestiona automáticamente los proveedores de ejecución para adaptarse a diferentes configuraciones de hardware, como CPUs, GPUs y NPUs.
Este avance proporciona a los desarrolladores la capacidad de integrar modelos creados en plataformas reconocidas como PyTorch, TensorFlow/Keras y scikit-learn. Una de las ventajas más destacadas es la posibilidad de descargar de manera dinámica los últimos proveedores de ejecución específicos para el hardware de cada usuario. Además, el uso de un runtime compartido minimiza la necesidad de incluir archivos pesados en las aplicaciones, optimizando su tamaño y reduciendo el requerimiento de espacio durante la instalación y las descargas.
Para acceder a estas nuevas funcionalidades de Windows ML, es necesario tener instalada la versión 24H2 o superior de Windows 11, funcionando en arquitecturas x64 o ARM64. Esta versatilidad en la configuración de hardware hace que la plataforma sea adecuada para una amplia gama de escenarios, desde CPUs integrados hasta GPUs discretas, permitiendo a los desarrolladores alcanzar un equilibrio óptimo entre rendimiento y compatibilidad.
Los proveedores de ejecución, componentes centrales que optimizan las operaciones de machine learning según el hardware específico, se obtienen automáticamente durante la instalación de aplicaciones. Este enfoque elimina la necesidad de gestionar diferentes versiones para cada tipo de hardware y simplifica significativamente el desarrollo.
La nueva versión de Windows ML ofrece un rendimiento comparable a los SDK dedicados anteriores, especialmente en el uso de GPUs y NPUs. También se presenta la opción de convertir modelos de otros formatos al estándar ONNX, lo que amplía las posibilidades de integración y mejora la eficiencia del desarrollo.
Con estas mejoras, Windows ML se consolida como una herramienta clave dentro del ecosistema de inteligencia artificial de Windows, aportando APIs integradas y modelos ya preparados para su uso. También se invita a los desarrolladores y usuarios a participar en el perfeccionamiento de la herramienta enviando comentarios y reportando problemas a través de su GitHub, promoviendo así una colaboración activa y continua en su evolución.
