Preguntas más frecuentes sobre el uso de inteligencia artificial en aplicaciones de Windows

¿Cómo puedo integrar ia en mi aplicación cliente de Windows?

La integración de la inteligencia artificial en la aplicación Windows se puede lograr a través de dos métodos principales: un modelo local o un modelo basado en la nube. Para la opción de modelo local, tiene la capacidad de usar un modelo preexistente o entrenar su propio mediante plataformas como TensorFlow o PyTorch y, a continuación, incorporarlo a la aplicación a través de OnnxRuntime. Microsoft Foundry en Windows ofrece APIs para diversas funciones, incluido OCR o utilizando el modelo Phi Silica. Por otro lado, si se hospeda el modelo en la nube y se accede a él a través de una API REST, es posible optimizar la aplicación mediante la delegación de tareas que consumen muchos recursos en la nube. Consulte Usar modelos de aprendizaje automático en su aplicación de Windows para obtener más información.

¿Necesito la versión más reciente de Windows 11 y un Copilot+ PC con una NPU para usar las características de ia?

Hay muchas maneras de ejecutar cargas de trabajo de IA, Tanto mediante la instalación y ejecución de modelos localmente en el dispositivo Windows o mediante la ejecución de modelos basados en la nube (consulte Get started with AI on Windows), sin embargo, las características de IA compatibles con Windows AI API actualmente requieren un Copilot+ PC con una NPU.

¿Qué lenguajes de programación son los mejores para desarrollar inteligencia artificial en Windows aplicaciones cliente?

Puede utilizar el lenguaje de programación que prefiera. Por ejemplo, C# se usa ampliamente para crear aplicaciones cliente Windows. Si necesita tener más control sobre los detalles de bajo nivel, C++ es una excelente opción. Como alternativa, puede considerar la posibilidad de usar Python. También puede usar el Subsistema de Windows para Linux (WSL) para ejecutar herramientas de inteligencia artificial basadas en Linux en Windows.

¿Cuáles son los mejores marcos de inteligencia artificial para Windows aplicaciones cliente?

Se recomienda usar OnnxRuntime.

¿Cómo debo controlar la privacidad y la seguridad de los datos al usar la inteligencia artificial en Windows aplicaciones cliente?

Respetar la privacidad y la seguridad de los datos de los usuarios es esencial al desarrollar aplicaciones con tecnología de IA. Debe seguir los procedimientos recomendados para el control de los datos, como el cifrado de datos confidenciales, el uso de conexiones seguras y la obtención del consentimiento del usuario antes de recopilar los datos. También debe ser transparente sobre el uso que hace de los datos y dar a los usuarios control sobre sus datos. Asegúrese de leer también Desarrollando Aplicaciones y Funciones de IA Generativa Responsable en Windows.

¿Cuáles son los requisitos del sistema para ejecutar inteligencia artificial en Windows aplicaciones cliente?

Los requisitos del sistema para aplicaciones de Windows que usan IA dependen de la complejidad del modelo de IA y de la aceleración de hardware utilizada. En el caso de modelos simples, una CPU moderna puede ser suficiente, pero en los modelos más complejos, es posible que sea necesario usar una GPU o una NPU. También debe tener en cuenta los requisitos de memoria y almacenamiento de la aplicación, así como el ancho de banda de red necesario para los servicios de IA basados en la nube.

¿Cómo optimizar el rendimiento de la inteligencia artificial en Windows aplicaciones cliente?

Para optimizar el rendimiento de la inteligencia artificial en aplicaciones de Windows, debe considerar la posibilidad de usar la aceleración de hardware, como GPU o NPUs, para acelerar la inferencia del modelo. Windows Copilot+ portátiles están optimizados para cargas de trabajo de IA y pueden proporcionar un aumento significativo del rendimiento para las tareas de INTELIGENCIA ARTIFICIAL. Consulte también Descripción general de Foundry Toolkit para Visual Studio Code.

¿Puedo usar modelos de inteligencia artificial entrenados previamente en mi aplicación cliente Windows?

Sí, puede usar modelos de inteligencia artificial entrenados previamente en la aplicación Windows. Puede descargar modelos entrenados previamente de Internet o usar un servicio de IA basado en la nube para acceder a modelos ya entrenados previamente. Puede integrar estos modelos en la aplicación mediante una plataforma como OnnxRuntime.

¿Qué es DirectML?

DirectML es una API de bajo nivel para el aprendizaje automático que proporciona aceleración de GPU para tareas comunes de aprendizaje automático en una amplia gama de controladores y hardware compatibles, incluidas todas las GPU compatibles con DirectX 12 de proveedores como AMD, Intel, NVIDIA y Qualcomm.

¿Cómo puedo averiguar qué tipo de CPU, GPU o NPU tiene mi dispositivo?

Para comprobar el tipo de CPU, GPU o NPU en el dispositivo Windows y cómo funciona, abra el Administrador de tareas (Ctrl + Mayús + Esc), seleccione la pestaña Performance y podrá ver la CPU, memoria, Wi-Fi, GPU o NPU de la máquina, junto con información sobre su velocidad, tasa de uso y otros datos.

¿Qué es Windows ML?

Windows ML (Machine Learning) permite que tu aplicación use una copia compartida para todo el sistema de ONNX Runtime (ORT) y agrega compatibilidad para descargar dinámicamente proveedores de ejecución (EP) específicos del fabricante, de modo que la inferencia de tu modelo pueda optimizarse en la amplia variedad de CPU, GPU y NPU del ecosistema Windows sin necesidad de que tu aplicación cargue con entornos de ejecución o EP pesados.

La integración de la inteligencia artificial en la aplicación Windows se puede lograr a través de dos métodos principales: un modelo local o un modelo basado en la nube. Para la opción de modelo local, tiene la capacidad de usar un modelo preexistente o entrenar su propio mediante plataformas como TensorFlow o PyTorch y, a continuación, incorporarlo a la aplicación a través de OnnxRuntime. Microsoft Foundry en Windows ofrece APIs para diversas funciones, incluido OCR o utilizando el modelo Phi Silica. Por otro lado, si se hospeda el modelo en la nube y se accede a él a través de una API REST, es posible optimizar la aplicación mediante la delegación de tareas que consumen muchos recursos en la nube. Consulte Usar modelos de aprendizaje automático en su aplicación de Windows para obtener más información.

Hay muchas maneras de ejecutar cargas de trabajo de IA, Tanto mediante la instalación y ejecución de modelos localmente en el dispositivo Windows o mediante la ejecución de modelos basados en la nube (consulte Get started with AI on Windows), sin embargo, las características de IA compatibles con Windows AI API actualmente requieren un Copilot+ PC con una NPU.

Puede utilizar el lenguaje de programación que prefiera. Por ejemplo, C# se usa ampliamente para crear aplicaciones cliente Windows. Si necesita tener más control sobre los detalles de bajo nivel, C++ es una excelente opción. Como alternativa, puede considerar la posibilidad de usar Python. También puede usar el Subsistema de Windows para Linux (WSL) para ejecutar herramientas de inteligencia artificial basadas en Linux en Windows.

Se recomienda usar OnnxRuntime.

Respetar la privacidad y la seguridad de los datos de los usuarios es esencial al desarrollar aplicaciones con tecnología de IA. Debe seguir los procedimientos recomendados para el control de los datos, como el cifrado de datos confidenciales, el uso de conexiones seguras y la obtención del consentimiento del usuario antes de recopilar los datos. También debe ser transparente sobre el uso que hace de los datos y dar a los usuarios control sobre sus datos. Asegúrese de leer también Desarrollando Aplicaciones y Funciones de IA Generativa Responsable en Windows.

Los requisitos del sistema para aplicaciones de Windows que usan IA dependen de la complejidad del modelo de IA y de la aceleración de hardware utilizada. En el caso de modelos simples, una CPU moderna puede ser suficiente, pero en los modelos más complejos, es posible que sea necesario usar una GPU o una NPU. También debe tener en cuenta los requisitos de memoria y almacenamiento de la aplicación, así como el ancho de banda de red necesario para los servicios de IA basados en la nube.

Para optimizar el rendimiento de la inteligencia artificial en aplicaciones de Windows, debe considerar la posibilidad de usar la aceleración de hardware, como GPU o NPUs, para acelerar la inferencia del modelo. Windows Copilot+ portátiles están optimizados para cargas de trabajo de IA y pueden proporcionar un aumento significativo del rendimiento para las tareas de INTELIGENCIA ARTIFICIAL. Consulte también Descripción general de Foundry Toolkit para Visual Studio Code.

Sí, puede usar modelos de inteligencia artificial entrenados previamente en la aplicación Windows. Puede descargar modelos entrenados previamente de Internet o usar un servicio de IA basado en la nube para acceder a modelos ya entrenados previamente. Puede integrar estos modelos en la aplicación mediante una plataforma como OnnxRuntime.

DirectML es una API de bajo nivel para el aprendizaje automático que proporciona aceleración de GPU para tareas comunes de aprendizaje automático en una amplia gama de controladores y hardware compatibles, incluidas todas las GPU compatibles con DirectX 12 de proveedores como AMD, Intel, NVIDIA y Qualcomm.

Para comprobar el tipo de CPU, GPU o NPU en el dispositivo Windows y cómo funciona, abra el Administrador de tareas (Ctrl + Mayús + Esc), seleccione la pestaña Performance y podrá ver la CPU, memoria, Wi-Fi, GPU o NPU de la máquina, junto con información sobre su velocidad, tasa de uso y otros datos.

Windows ML (Machine Learning) permite que tu aplicación use una copia compartida para todo el sistema de ONNX Runtime (ORT) y agrega compatibilidad para descargar dinámicamente proveedores de ejecución (EP) específicos del fabricante, de modo que la inferencia de tu modelo pueda optimizarse en la amplia variedad de CPU, GPU y NPU del ecosistema Windows sin necesidad de que tu aplicación cargue con entornos de ejecución o EP pesados.