El pasado mes de noviembre TensorFlow, el framework open source más popular en el campo del aprendizaje automático, cumplió 3 años desde su lanzamiento. En aquel momento contabilizaba ya 41 millones de descargas y 1800 contribuciones al código de programadores de todo el mundo.
Ahora, Google ha aprovechado el encuentro anual de desarrolladores de TensorFlow para liberar la versión alpha de la nueva iteración de este software, la 2.0. La compañía del buscador llevaba meses trabajando para ofrecer a los usuarios una versión más amigable con los principantes en el mundo del machine learning.
Entre los cambios introducidos en ese sentido destacan los nuevos mensajes de error, mucho más concisos, con el objetivo de facilitar a los usuarios la comprensión del problema y una depuración más rápida.
TensorFlow también cuenta ahora con menos APIs de alto nivel (tf.keras será su API central), pero más sencillas e intuitivas, y un rendimiento mejorado: una velocidad de entrenamiento 6 veces mayor, y el triple de aceleración de inferencia.
TensorFlow 2.0 también se presenta ahora como un software mucho más potente, con capacidad de escalar a más de 1 exaflop, una cifra significativamente mayor que la de sus precedesores.
Además, se le han añadido un buen número de nuevos datasets, recursos y herramientas, en comparación con las versiones previas, y se ha mejorado la documentación.
Por último, se ha avisado de que las próximas actualizaciones hasta llegar a la versión 2.0 definitiva irán sumando la compatibilidad con más lenguajes y plataformas.
TensorFlow Privacy
Otra de las novedades anunciadas por Google ha sido la inclusión de un nuevo módulo para este software, llamado TensorFlow Privacy, que permitirá a los desarrolladores mejorar la privacidad de sus modelos de IA con tan sólo unas pocas líneas extra de código.
La introducción de esta herramienta, recuerda Carey Radebaugh, responsable de productos de Google, está en consonancia con los principios impulsados por Google en pro de un desarrollo responsable de la IA.
TensorFlow Privacy se basa en el uso de una técnica estadística llamada 'privacidad diferencial', un enfoque matemático que impide que los modelos de IA entrenados en base a datos personales puedan codificar información que permita la identificación personal.
Google ya utiliza esta técnica en otra de sus herramientas, la Redacción Inteligente de Gmail. Sin ella, el riesgo de que las respuestas sugeridad incluyeran información extremadamente personal (o de que reprodujeran palabra por palabra la respuesta de otro usuario) sería altísimo.
"Por ello", recuerda Radebaugh, "para nosotros era importante incluirla en TensorFlow, ofrecerla al mundo en código abierto y comenzar a crear una comunidad a su alrededor".
Vía | 9to5Google & The Verge
Ver todos los comentarios en https://www.xataka.com
VER 1 Comentario