Apple ha introducido con Mac OS 10.14 Mojave 2 nuevas incorporaciones para los desarrolladores que permiten profundizar en el desarrollo de aplicaciones con inteligencia artificial. Vamos a profundizar un poco en ellas.

Mientras que otros sistemas de desarrollo de Machine Learning utilizan servicios externos desde un servidor, Apple ha hecho especial incidencia en crear sus propios frameworks y técnicas que se ejecutan localmente para entrenar modelos sin costes adicionales. Las dos nuevas incorporaciones con Core ML2 y Create ML.

Core  ML 2

Core ML es el framework de Apple para el aprendizaje de máquinas en dispositivos de alto rendimiento, y ha recibido algunas mejoras con Core ML 2. La última versión del framework soporta hasta 30 tipos de capas, así como modelos de aprendizaje de máquinas estándar como SVMs, ensambles de árboles y modelos lineales generalizados. Y las aplicaciones creadas utilizando modelos Core ML, tanto en macOS como en iOS, continuarán ofreciendo un excelente rendimiento sin tener que contactar con un servidor o enviar datos desde un dispositivo.

Con la ayuda de la última versión de Metal, el entrenamiento de modelos con Core ML 2 puede aumentar hasta 20 veces su rendimiento durante su creación utilizando librerías de terceros como Turi, TensorFlow y Watson Services cuando se utiliza la GPU de su dispositivo. El procesamiento en el dispositivo también ha recibido una actualización de rendimiento, hasta un 30% más rápido debido a la implementación de predicciones de lotes en el framework de Apple. Los desarrolladores también pueden reducir el tamaño de sus modelos hasta en un 75% en algunos casos.

Create ML

Create ML es una herramienta destinada a ayudar a los desarrolladores que no son expertos en Machine Learning a generar y probar modelos de aprendizaje para integrarlos en sus aplicaciones. Usando Create ML, los desarrolladores pueden entrenar modelos para reconocer imágenes, analizar el significado del texto, o encontrar una relación entre valores numéricos. Pueden usar conjuntos de datos comunes o usar los suyos propios. Después de que los desarrolladores hayan probado sus modelos Create ML y estén satisfechos con su rendimiento, el trabajo realizado con Create ML puede integrarse en sus aplicaciones utilizando Core ML.

Lo más importante, fuera de la facilidad de uso para desarrolladores no expertos, es el énfasis de Create ML en la creación de modelos personalizados en tu Mac. Utilizando la potencia de Metal y las pruebas de modelos en la GPU, los desarrolladores pueden obtener resultados realmente impresionantes mientras entrenan modelos con Create ML. Los modelos pueden incluso ser entrenados usando los Playgrounds de Xcode. Según la documentación de Apple, la clasificación de imágenes y los modelos de lenguaje natural construidos con Create ML tardan menos tiempo en formarse y terminan siendo más pequeños.

En el escenario de WWDC 2018, Craig Federighi, de Apple, dio el ejemplo de Memrise, un desarrollador que, entre otras cosas, utiliza cámaras de dispositivos para identificar objetos y pronunciar sus nombres en varios idiomas. Anteriormente, la empresa necesitaba 24 horas para entrenar a uno de sus modelos utilizando 20.000 imágenes. Utilizando Create ML, Memrise pudo reducir ese tiempo a 48 minutos en un MacBook Pro y a 18 minutos en un iMac Pro. Gracias al trabajo realizado para Core ML 2 y Create ML, el desarrollador también pudo reducir el tamaño de su modelo de 90MB a 3MB.

In this article


Join the Conversation