Perguntas frequentes sobre como usar IA em aplicativos Windows

A integração da IA ao aplicativo Windows pode ser obtida por meio de dois métodos primários: um modelo local ou um modelo baseado em nuvem. Para a opção de modelo local, você tem a capacidade de utilizar um modelo pré-existente ou treinar seu próprio usando plataformas como TensorFlow ou PyTorch e incorporá-lo em seu aplicativo por meio do OnnxRuntime. Microsoft Foundry no Windows oferece APIs para várias funções, incluindo OCR ou utilizando o modelo Phi Silica. Por outro lado, hospedar seu modelo na nuvem e acessá-lo por meio de uma API REST permite que seu aplicativo permaneça otimizado, delegando tarefas com uso intensivo de recursos à nuvem. Consulte Use modelos de Machine Learning em seu aplicativo Windows para obter mais informações.

Há muitas maneiras de executar cargas de trabalho de IA, tanto instalando e executando modelos localmente em seu dispositivo Windows ou executando modelos baseados em nuvem (consulte Get iniciado com IA no Windows), no entanto, os recursos de IA compatíveis com Windows APIs de IA atualmente exigem um Copilot+ PC com uma NPU.

Você pode usar qualquer linguagem de programação de sua preferência. Por exemplo, o C# é amplamente usado para criar aplicativos cliente Windows. Se você precisar de mais controle sobre os detalhes de nível baixo, o C++ é uma excelente opção. Como alternativa, você pode considerar o uso Python. Você também pode usar o Subsistema do Windows para Linux (WSL) para executar ferramentas de IA baseadas em Linux no Windows.

É recomendável usar o OnnxRuntime.

Respeitar a privacidade e a segurança dos dados do usuário é essencial ao desenvolver aplicativos alimentados por IA. Você deve seguir as práticas recomendadas para o tratamento de dados, como criptografar dados confidenciais, usar conexões seguras e obter o consentimento do usuário antes de coletar dados. Você também deve ser transparente quanto ao uso dos dados e dar aos usuários o controle sobre eles. Certifique-se de ler Desenvolvendo Aplicações e Recursos de IA Generativa Responsáveis no Windows também.

Os requisitos do sistema para aplicativos Windows que usam IA dependem da complexidade do modelo de IA e da aceleração de hardware usada. Para modelos simples, uma CPU moderna pode ser suficiente, mas para modelos mais complexos, pode ser necessária uma GPU ou NPU. Você também deve considerar os requisitos de memória e armazenamento do seu aplicativo, bem como a largura de banda da rede necessária para os serviços de IA baseados em nuvem.

Para otimizar o desempenho da IA em aplicativos Windows, considere usar a aceleração de hardware, como GPUs ou NPUs, para acelerar a inferência do modelo. Windows Copilot+ laptops são otimizados para cargas de trabalho de IA e podem fornecer um aumento de desempenho significativo para tarefas de IA. Consulte também a visão geral do Foundry Toolkit para Visual Studio Code.

Sim, você pode usar modelos de IA pré-treinados em seu aplicativo Windows. Você pode baixar modelos pré-treinados da Internet ou usar um serviço de IA baseado em nuvem para acessar modelos pré-treinados. Em seguida, você pode integrar esses modelos ao seu aplicativo usando uma estrutura como o OnnxRuntime.

O DirectML é uma API de baixo nível para aprendizado de máquina que fornece aceleração de GPU para tarefas comuns de aprendizado de máquina em uma ampla gama de hardware e drivers compatíveis, incluindo todas as GPUs compatíveis com DirectX 12 de fornecedores como AMD, Intel, NVIDIA e Qualcomm.

Open Neural Network Exchange, ou ONNX, é um formato padrão aberto para representar modelos de ML. Estruturas de modelos de ML populares, incluindo PyTorch, TensorFlow, SciKit-Learn, Keras, Chainer e MATLAB, podem ser exportadas ou convertidas para o formato ONNX padrão. Uma vez no formato ONNX, o modelo pode ser executado em vários serviços e plataformas. O ONNX é bom para usar um modelo de aprendizado de máquina em um formato diferente daquele no qual foi treinado.

O OnnxRuntime, ou ORT, é uma ferramenta de runtime unificada para a execução de modelos em diferentes estruturas (PyTorch, TensorFlow etc.) que oferece suporte a aceleradores de hardware (CPUs de dispositivos, GPUs ou NPUs).

O PyTorch e o TensorFlow são usados para desenvolver, treinar e executar modelos de aprendizado profundo usados em aplicativos de IA. O PyTorch geralmente é usado para pesquisa, o TensorFlow é frequentemente usado para implementação na indústria, e o ONNX é um formato de troca de modelo padronizado que serve como ponte entre eles, permitindo alternar entre estruturas conforme necessário, tornando-o compatível entre plataformas.

Uma unidade de processamento neural, ou NPU, é um chip de IA dedicado projetado especificamente para executar tarefas de IA. O foco de uma NPU difere daquele de uma CPU ou GPU. Uma unidade de processamento central, ou CPU, é o processador primário em um computador, sendo o responsável por executar instruções e cálculos de uso geral. Uma unidade de processamento gráfico, ou GPU, é um processador especializado projetado para renderizar gráficos e otimizado para processamento paralelo. Ela é capaz de renderizar imagens complexas para tarefas de edição de vídeo e jogos.

As NPUs são projetadas para acelerar algoritmos de aprendizado profundo e podem remover parte do trabalho da CPU ou GPU de um computador, permitindo que o dispositivo funcione com mais eficiência. As NPUs são criadas especificamente para acelerar tarefas de redes neurais. Elas se destacam no processamento de grandes quantidades de dados em paralelo, o que as torna ideais para tarefas comuns de IA, como reconhecimento de imagem ou processamento de linguagem natural. Por exemplo, durante uma tarefa de reconhecimento de imagem, a NPU pode ser responsável pela detecção de objetos ou aceleração de imagem, enquanto a GPU se responsabiliza pela renderização de imagens.

Para verificar o tipo de CPU, GPU ou NPU em seu dispositivo Windows e como ele está sendo executado, abra o Gerenciador de Tarefas (Ctrl + Shift + Esc), selecione a guia Performance e você poderá ver a CPU, Memória, Wi-Fi, GPU e/ou NPU do computador listada, juntamente com informações sobre sua velocidade, taxa de utilização e outros dados.

Windows ML (Machine Learning) permite que seu aplicativo use uma cópia compartilhada no sistema inteiro do ONNX Runtime (ORT, veja acima) e adiciona suporte para baixar dinamicamente execution providers (EPs) de modo que a inferência do seu modelo seja otimizada na ampla variedade de CPUs, GPUs e NPUs no ecossistema Windows sem exigir que seu aplicativo carregue runtimes pesados ou EPs de forma independente.

Uma LLM é um tipo de modelo de Machine Learning (ML) conhecido pela capacidade de alcançar a geração e a compreensão da linguagem de uso geral. Os LLMs são redes neurais artificiais que adquirem capacidades aprendendo relações estatísticas a partir de grandes quantidades de documentos de texto durante um processo de treinamento computacionalmente intensivo autossupervisionado e semi-supervisionado. Os LLMs são frequentemente usados na geração de texto, uma forma de IA generativa que, ao receber algum texto de entrada, gera palavras (ou "tokens") que são mais propensas a criar frases coerentes e contextualmente relevantes em troca. Existem também os pequenos modelos de linguagem (SLMs), com menos parâmetros e capacidade mais limitada, mas que podem ser mais eficientes (exigindo menos recursos computacionais), econômicos e ideais para domínios específicos.

Em Machine Learning, o treinamento de modelo envolve alimentar um conjunto de dados em um modelo (um LLM ou SLM), permitindo que ele aprenda com os dados para que o modelo possa tomar previsões ou decisões com base nesses dados, reconhecendo padrões. O processo também pode envolver o ajuste iterativo dos parâmetros do modelo para otimizar seu desempenho.

O processo de usar um modelo de aprendizado de máquina treinado para fazer previsões ou classificações em dados novos e invisíveis é chamado de "Inferência". Após um modelo de linguagem ser treinado em um conjunto de dados, aprendendo seus padrões e relacionamentos subjacentes, ele estará pronto para aplicar esse conhecimento a cenários do mundo real. A inferência é o momento da verdade de um modelo de IA, um teste do quanto bem ele pode aplicar as informações aprendidas durante o treinamento para fazer uma previsão ou resolver uma tarefa. O processo de utilização de um modelo existente para inferência é diferente da fase de treinamento, que requer o uso de dados de treinamento e validação para desenvolver o modelo e ajustar seus parâmetros.

O ajuste fino é uma etapa crucial no aprendizado de máquina em que um modelo pré-treinado é adaptado para executar uma tarefa específica. Em vez de treinar um modelo do zero, o ajuste fino começa com um modelo existente (geralmente treinado em um grande conjunto de dados) e ajusta seus parâmetros usando um conjunto de dados menor e específico da tarefa. Durante o ajuste fino, o modelo aprende recursos específicos da tarefa, mantendo o conhecimento geral adquirido durante o pré-treinamento, o que resulta em um melhor desempenho para aplicações específicas.

A engenharia de prompts é uma abordagem estratégica usada com IA generativa para moldar o comportamento e as respostas de um modelo de linguagem. Isso envolve a elaboração cuidadosa de prompts de entrada ou consultas para obter o resultado desejado de um modelo de linguagem (como GPT-3 ou GPT-4). Ao criar um prompt eficaz, você pode orientar um modelo de ML para produzir o tipo de resposta desejado. As técnicas incluem ajustar a redação, especificar o contexto ou usar códigos de controle para influenciar a saída do modelo.

A aceleração de hardware refere-se ao uso de hardware de computador especializado projetado para acelerar aplicativos de IA além do que é alcançável com CPUs de uso geral. A aceleração de hardware melhora a velocidade, a eficiência energética e o desempenho geral de tarefas de aprendizado de máquina, como modelos de treinamento, previsões ou transferência de computação para componentes de hardware dedicados que se destacam no processamento paralelo para cargas de trabalho de aprendizado profundo. GPUs e NPUs são exemplos de aceleradores de hardware.

O processo de criação e uso de modelos de ML envolve três funções principais: Cientistas de Dados: Responsável por definir o problema, coletar e analisar os dados, escolher e treinar o algoritmo de ML e avaliar e interpretar os resultados. Eles usam ferramentas como Python, R, Jupyter Notebook, TensorFlow, PyTorch e scikit-learn para executar essas tarefas. Engenheiros de ML: responsável por implantar, monitorar e manter os modelos de ML em ambientes de produção. Eles usam ferramentas como Docker, Kubernetes, Azure ML, AWS SageMaker e Google Cloud AI Platform para garantir a escalabilidade, a confiabilidade e a segurança dos modelos de ML. Desenvolvedores de aplicativos: responsável por integrar os modelos de ML à lógica, à interface do usuário e à experiência do usuário do aplicativo. Eles usam ferramentas como Microsoft Foundry em Windows, OnnxRuntime ou APIs REST e processam a entrada do usuário e a saída do modelo. Cada função envolve responsabilidades e habilidades diferentes, mas a colaboração e a comunicação entre essas funções são necessárias para produzir os melhores resultados. Dependendo do tamanho e da complexidade do projeto, essas funções podem ser desempenhadas pela mesma pessoa ou por equipes diferentes.