Nvidia lança o Jarvis, framework de IA para conversação interativa

A Nvidia lançou o framework Jarvis, que oferece a desenvolvedores modelos pré-treinados de Deep Learning e ferramentas de software de última geração para criar serviços interativos de IA de conversação que podem ser adaptados a todos os setores e domínios com facilidade. Com bilhões de horas de chamadas telefônicas, reuniões virtuais e broadcast de conteúdo em vídeo gerado diariamente, os modelos do Jarvis oferecem reconhecimento automático de fala extremamente preciso, compreensão de linguagem humana, tradução para vários idiomas em tempo real e novos recursos de conversão de texto em fala para criar agentes expressivos de IA de conversação.

Utilizando a aceleração da GPU, o pipeline completo de voz pode ser executado em menos de 100 milissegundos – ouvindo, compreendendo e gerando uma resposta mais rápida do que o piscar de um olho humano – e pode ser implementada em Cloud, Data Center ou Edge, escalando instantaneamente para milhões de usuários.

“A IA de conversação é, de várias formas, a melhor IA. Com os avanços de Deep Learning no reconhecimento de fala, na compreensão de linguagem e na síntese de fala, é possível oferecer serviços atrativos em cloud. O Jarvis tira essa IA de conversação de última geração do Cloud para que os clientes hospedem serviços de IA em qualquer lugar”, afirma Jensen Huang, fundador e CEO da Nvidia.

Segundo a empresa, o Jarvis possibilitará uma nova geração de aplicações baseadas em linguagem que antes eram impossíveis, melhorando as interações com humanos e máquinas. Ele abre as portas para a criação de serviços como enfermeiros digitais para ajudar a monitorar pacientes 24 horas por dia, aliviando a sobrecarga da equipe médica; assistentes online para identificar o que os consumidores estão procurando e recomendar os melhores produtos; e traduções em tempo real para aumentar a colaboração entre equipes de trabalho de locais diferentes e oferecer a espectadores conteúdo ao vivo no idioma deles.

“Já estamos vivendo a era da Inteligência Artificial. A IA de conversação é um dos principais tópicos do momento, que deve crescer ainda mais nos próximos anos. Já estamos em contato com empresas e startups brasileiras para aprimorar ainda mais essa tecnologia no idioma local”, conta Marcio Aguiar, diretor da Nvidia Enterprise para América Latina.

O Jarvis foi criado usando modelos treinados por GPUs durante milhões de horas com mais de 1 bilhão de páginas de texto, 60 mil horas de dados de fala e em diferentes idiomas, sotaques, ambientes e dialetos para garantir máxima precisão. Pela primeira vez, os desenvolvedores podem usar o framework Nvidia TAO para treinar, adaptar e otimizar esses modelos para todas as tarefas e setores em qualquer sistema com facilidade.

Os desenvolvedores podem selecionar um modelo Jarvis pré-treinado do catálogo NGC da Nvidia, ajustá-lo usando seus próprios dados com o Transfer Learning Toolkit da Nvidia, otimizá-lo para o máximo rendimento e mínima latência em serviços de voz em tempo real e, em seguida, implantar facilmente o modelo com apenas algumas linhas de código para que não haja necessidade de conhecimentos profundos de IA.

Amplo suporte do setor

Desde o início do programa de acesso do Jarvis em maio passado, milhares de empresas pediram para participar. Um dos primeiros usuários é a T-Mobile, a gigante de telecomunicações dos EUA, que recorreu à IA para melhorar ainda mais seus produtos de Machine Learning (ML) e ao processamento de linguagem natural para oferecer informações e recomendações em tempo real.

“Com os serviços do Nvidia Jarvis, ajustados com os dados da T-Mobile, estamos criando produtos para nos ajudar a resolver os problemas dos clientes em tempo real. Depois de avaliar várias soluções automáticas de reconhecimento de fala, a T-Mobile viu que o Jarvis oferece um modelo de qualidade com latência extremamente baixa, possibilitando experiências que nossos clientes adoram”, declara Matthew Davis, vice-presidente de Produtos e Tecnologia da T-Mobile.

A Nvidia também fez uma parceria com o Mozilla Common Voice, um conjunto livre de dados de voz que startups, pesquisadores e desenvolvedores podem usar para treinar aplicações, serviços e dispositivos acionados por voz. O maior conjunto de dados de voz em diversos idiomas do mundo, de domínio público, a Common Voice contém mais de 9 mil horas de dados de voz em 60 idiomas diferentes. A Nvidia está usando o Jarvis para desenvolver modelos pré-treinados com o conjunto de dados e disponibilizá-los para a comunidade gratuitamente.

“Lançamos o Common Voice para ensinar às máquinas como as pessoas falam de verdade em seus idiomas, sotaques e padrões de fala únicos. A Nvidia e a Mozilla visam democratizar a tecnologia de voz e garantir que ela represente a ampla diversidade de pessoas e vozes presentes na Internet”, comenta Mark Surman, diretor executivo da Mozilla.

As ferramentas de IA de conversação da Nvidia tiveram mais de 45 mil downloads. É possível usá-los com a tecnologia de centenas de parceiros e o conteúdo de bibliotecas de software líderes. Dessa forma, desenvolvedores de todo o mundo podem criar aplicações de IA de conversação inovadoras e intuitivas.

Serviço
www.nvidia.com