英伟达Jarvis 1.0公测版上线，打造实时对话式AI速度提升十倍

Jarvis 的 1.0 公测版本包罗用于对话 AI 的新的预训练模型，并支持 Transfer Learning Toolkit（TLT），因此企业可以轻松地使运用适应其特定的用例和领域。这些运用能够理解上下文和细微差别，从而为用户提供更好的体验。

通过 Jarvis，企业开发者们可以及时获得最新的模型，并将产品的开发时间缩短十倍，并充分利用 GPU 加快工作流。

使用英伟达 Jarvis 快速开发的运用程序可以很快回答诸如「珠穆朗玛峰有多高？」这样的问题。如果你这么做了，一般得到的回答是：「珠穆朗玛峰高 8848 米」。问答体系（QA）通常会被定义为信息检索（IR）和自然语言处理，这一体系处理人类以自然语言形式发出的指令，并从数据资源（如数据库、网络和文档）获取相关信息。

这听起来很简单，但从头开始创建一个问答体系并不是容易的事，这就是英伟达提出 Jarvis 的意义所在，它是一个完全加快的运用程序框架，用于构建使用端到端深度进修管道的多模式会话式 AI 办事。

具体来说，Jarvis 框架包罗优化的视觉、语音、和自然语言理解办事能力。

对象链接：https://devloper.nvidia.com/nvidia-Jarvis

目前，英伟达已开放 Jarvis 和 TLT 供 NVIDIA 开发者计划成员免费下载。除对象之外，「入门指南」页面还提供相关资源，包罗示例、Jupyter Notebook 和针对新用户的教学博客。

Jarvis 提供的问答体系能力，基于著名的 Transformer 系列模型 BERT，这是一种强大的预训练 NLP 模型，在 2018 年由谷歌提出，进而彻底地改变了人工智能领域的现状。通过包罗维基百科等巨量数据集的预训练，BERT 强大的模型可以在绝大多数 QA 任务中给人带来令人满意的结果。人们也可以进一步对 Jarvis 内置的模型举行微调，以使用很多问题答案对，如斯坦福问题答案数据集 SQuAD 中的内容来增强问答能力。

据英伟达的介绍，Jarvis 的早期采用者包罗 InstaDeep（一家创建阿拉伯语虚拟助手的公司）。NVIDIA Jarvis 在提高其运用性能方面发挥了重要作用。通过 Jarvis 中的 NeMo 对象包，可将阿拉伯语语音 – 文本模型举行微调，单词错误率可降低至 7.84%。

俄罗斯最大的移动网络运营商之一 MTS 也已规模化运用了 Jarvis 对象，并为客户支持提供聊天机器人和虚拟助手。在 Jarvis 的帮助下，开发者通过对俄语 ASR 模型举行微调大幅提高了模型的准确性，并通过 TensorRT 优化提高整体性能。

在 Beta 版公开之前，Jarvis 已经经过了时长一年的小规模测试，这一对象面向整个工作流程，与人举行实时对话的体系，既需要有准确的回复，也要有足够大的可调整性。为了降低使用者的门槛，Jarvis 的很多工作都是完全不需要写代码的，另外最重要的是：在这一框架下举行计算的模型都获得了英伟达 GPU 中深度进修专用处理单元 Tensor Core 的加快。