PyTorch

Levando adiante a PyTorch: o uso dos recursos de machine learning

O aprendizado profundo está sendo usado em alguns dos projetos mais inovadores do mundo. E isso se deve, em parte, à disponibilização de recursos incríveis como a PyTorch.

O aprendizado profundo (deep learning) vem crescendo em popularidade, e com razão, pois trata-se de uma tecnologia surpreendente. Ele usa redes neurais artificiais para simular o funcionamento do cérebro humano. Na verdade, o aprendizado profundo já existe faz algum tempo, desde os anos 1960, mas foi só com o advento da GPU que ele se tornou amplamente adotado. Atualmente, o aprendizado profundo é usado para executar inúmeros cálculos simultâneos e extremamente precisos em enormes quantidades de dados.

No entanto, a ascensão do aprendizado profundo geralmente deixa em segundo plano os frameworks e bibliotecas que há por trás dele. A PyTorch, uma biblioteca de machine learning desenvolvida pela Pesquisa de Inteligência Artificial do Facebook (FAIR, na sigla em inglês), tem ganhado bastante força. Ela está sendo usada em alguns dos projetos mais inovadores do mundo, como na Disney, que a utiliza para identificar rostos em desenhos animados e filmes de animação. O Airbnb usa ferramentas de conversação com IA na PyTorch para aprimorar as experiências dos clientes, e a Tesla criou seu software de direção autônoma também com base nessa biblioteca. E a lista continua.

No mais recente episódio do AI & U, Mark McQuade recebe Randall Hunt, defensor de desenvolvedores no Facebook AI, para debater o aprendizado profundo e a utilização das bibliotecas de ML como a PyTorch.

Este episódio aborda:

  • Como é ser um defensor de desenvolvedores
  • Como levar modelos de IA para a produção com frameworks e bibliotecas
  • PyTorch como recurso de IA de código aberto
  • Comparação entre Pytorch e Tensorflow
  • Casos de uso da PyTorch em diferentes setores, incluindo automotivo, saúde e agricultura

Randall comenta sobre a comunidade de código aberto e a diversidade de colaboradores da PyTorch. "Uma das coisas que curto é poder me concentrar nas ferramentas de código aberto. São coisas que usamos internamente e achamos que vão ser úteis para a comunidade em geral. Então acabamos abrindo o código delas. E uma das coisas importantes sobre a PyTorch é que o Facebook é apenas um entre muitos outros colaboradores. Uma parcela considerável do trabalho vem de grandes parceiros como Nvidia, AWS ou Google e de diversos colaboradores de companhias expressivas. Mas também há acadêmicos. Gente da Cornell ou de outros lugares, que chega e acrescenta novos recursos. Grandes componentes da PyTorch são construídos e propostos pela comunidade, com envolvimento relativamente pequeno da nossa parte. A amplitude e a profundidade das contribuições e da PyTorch são algo que há muito tempo eu não via."

Randall explica a importância das ferramentas de código aberto no âmbito da IA responsável. "Há certos trabalhos muito importantes na área da IA responsável. Tipo, a privacidade, a IA respeitosa, que é tomar as decisões certas em termos de sub-representar pessoas ou classes da comunidade, e garantir que você não esteja fazendo a coisa errada com a IA. Trata-se de um problema não trivial para resolver. E uma das partes mais importantes nele é o ferramental. Então, acho muito importante haver ferramentas de código aberto no âmbito da IA responsável. E esse trabalho deve continuar."

Randall também explica por que considera a IA tão valiosa. "É uma chance de transformar em realidade o mundo que vemos na ficção científica. Então, aproximar o que vemos na ficção científica, e me refiro à ficção científica positiva, da realidade é algo que me desperta muito interesse. O progresso não acontece sem que as pessoas realmente se esforcem e pesquisem. É por isso que enxergo a IA como sendo valiosa."

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
NLP and transformers

Derivando valor do PLN e dos Transformers

About the Authors

rackspace logo

Rackspace Technology Staff - Solve

The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team:  Gracie LePere, Program Manager Royce Stewart, Chief Designer  Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager  Chris Barlow, Editor  Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager

Read more about Rackspace Technology Staff - Solve