En un avance significativo para la comunidad de desarrolladores, Windows Machine Learning (ML) ha presentado nuevas capacidades que permiten ejecutar modelos de inteligencia artificial en formato ONNX directamente en dispositivos con Windows. Esto se logra mediante el ONNX Runtime, que ofrece la gestión automática de proveedores de ejecución para diferentes tipos de hardware, desde CPUs hasta GPUs y NPUs.
La plataforma está diseñada para integrarse con lenguajes de programación populares como C#, C++ y Python, permitiendo que los modelos generados en entornos como PyTorch, TensorFlow/Keras y scikit-learn sean utilizados de manera eficiente. Entre sus ventajas destacadas se incluye la habilidad de descargar dinámicamente los proveedores de ejecución más recientes según el hardware, así como el uso de un runtime compartido, que minimiza el tamaño de las aplicaciones y asegura un soporte amplio de hardware.
Los requisitos para utilizar Windows ML son accesibles: se necesita Windows 11 versión 24H2 o superior, y es compatible con arquitecturas x64 y ARM64. Esta flexibilidad en la configuración del hardware facilita su adopción en diversos escenarios, desde CPUs integrados hasta GPUs discretas, ampliando su accesibilidad a un público más amplio.
Un componente clave en este ecosistema son los proveedores de ejecución (EP), los cuales permiten optimizar las tareas de machine learning de acuerdo con el hardware específico del dispositivo. La innovación de Windows ML reside en su capacidad para descargar automáticamente estos componentes durante la instalación de aplicaciones, evitando la carga de distintas versiones para cada tipo de hardware.
El rendimiento de esta herramienta ha alcanzado niveles comparables con los SDK especializados, especialmente en GPUs y NPUs, proporcionando una optimización notable. Además, los desarrolladores tienen la posibilidad de convertir modelos de otros formatos a ONNX, aumentando así las opciones de integración y eficiencia.
Con estas mejoras, Windows ML fortalece su posición como un pilar en el ecosistema de inteligencia artificial de Windows. Proporciona APIs integradas para tareas comunes, modelos listos para usar y acceso directo a la API de Windows ML para escenarios más complejos. Además, se alienta a los usuarios a participar activamente en su desarrollo a través de comentarios y reportes en GitHub, promoviendo un entorno colaborativo y de mejora continua.
