|
開源的人工智能項目并不總是得到很多宣傳,，但它們在人工智能的發(fā)展中起著至關重要的作用,。因為這些開源項目經(jīng)常被開發(fā)者作為激發(fā)靈感的項目來上手，所以這些進步是創(chuàng)造性的,，特別具有前瞻性,。 這些開源人工智能項目通常不受企業(yè)開發(fā)環(huán)境的限制,，可以夢想成真——并且通常會帶來突破性的機器學習和人工智能進步。同樣重要的是：這些領先的開源人工智能項目的進步推動了更大的人工智能領域的進步,。 如果你知道其他頂級開源人工智能工具應該在這個列表中,，請在文末留言與我們分享。 1,、PyTorch PyTorch 具備領先的開源人工智能項目的所有元素,。它側(cè)重于機器學習，可以說是新興技術發(fā)展階段人工智能最受歡迎的應用,。更重要的是,，開發(fā)者和AI工程師可以在頂級云計算平臺上搭建 PyTorchAWS 上的 PyTorch 和 Azure 上的 PyTorch 都是可行的，Google Cloud 和阿里巴巴也是可行的,。PyTorch 提供了神經(jīng)網(wǎng)絡,，這是人工智能發(fā)展的一個基本要素。 2,、Open Neural Network Exchange 由微軟和臉書開發(fā)的 Open Neural Network Exchange（開放式神經(jīng)網(wǎng)絡交換）提供了一些非常強大的工具,，尤其是將完全開發(fā)的神經(jīng)網(wǎng)絡模型(在系統(tǒng)中花費了大量時間進行訓練)回收到各種其他系統(tǒng)中的能力。本質(zhì)上,，開放神經(jīng)網(wǎng)絡交換通過支持這種移植極大地擴展了現(xiàn)有模型的有用性,。預計 ONNX 在未來幾年將變得越來越受歡迎。 3,、IBM AI Fairness 360 人工智能算法中的偏差問題越來越受到關注,，AI Fairness 360是解決這一問題的開源解決方案。該工具提供了算法,，使開發(fā)人員能夠掃描最大似然模型,，以找到任何潛在的偏見，這是打擊偏見的一個重要部分,，當然也是一項復雜的任務。重要的是,，人工智能公平性允許人工智能工程師在整個開發(fā)生命周期中探索算法,。該工具可以設置為自動工作。該工具的基礎是一個檢查相關性的架構(gòu),；這種相關性是否創(chuàng)造了一種暗示有害刻板印象的預測,？ 4、Keras Keras 在人工智能開源項目的世界中是罕見的：它把自己宣傳為“一個為人類而設計的應用編程接口,，而不是機器,。”作為一個 Python 深度學習 API,，Keras 可以與像 Antao 和微軟 Cognitive Toolkit 這樣的高知名度人工智能項目進行互操作,。開發(fā)人員和人工智能工程師將其用作一個 ML 庫,，以相對容易的方式構(gòu)建原型。同時也有助于其易于部署,，Keras 可以在混合處理器硬件上運行,。 5、Accord.NET 顧名思義,，Accord.NET 使用. NET 框架,。這是一個 . NET ML 學習框架，提供用 C# 編碼的圖像和音頻庫,。它具有前瞻性,，因為它為開發(fā)商業(yè)級應用程序提供了一個平臺，包括面向信號處理的應用程序,、視聽工具集和統(tǒng)計應用程序,。如果你剛剛起步，Accord.NET 還包括模板應用程序,，這樣你就可以更快地開始構(gòu)建,。 6、GPT-2 當然,，開源人工智能技術正在產(chǎn)生轟動效應,，創(chuàng)成式預訓練變壓器2 (GPT-2)于 2019 年由 OpenAI 發(fā)布。GPT 利用深度神經(jīng)網(wǎng)絡,，它使用多層軟件來處理任意數(shù)量的輸入,。眾所周知，GPT 2 號處理文本,，從翻譯到創(chuàng)造文本,，在最好的情況下，可以與人類書寫的文本非常相似,。此外,，它是一個非常強大的學習工具，可以非常準確地合成和適應數(shù)據(jù),。 7,、Cheatsheets AI 如果你是一個可以在開放源碼的語言/人工智能項目中伸出援手的語言/人工智能開發(fā)者，這個項目是非常有用的,。與其說是一個項目,，不如說是一個學習工具，它可以幫助你跟上人工智能/人工智能項目的速度,，從 Keras 到 Scripy 到 PySpark 到 Dask,。它所提供的指導是深入的，而且必然是復雜的。雖然 Cheatsheets AI 是為“人工智能新手”設計的,，但事實上你需要一些預先培訓才能使用這一資源,。 8、TensorFlow 還有不知道 TensorFlow 的開發(fā)者嗎,？這幾乎是一個家喻戶曉的名字,。由 Google Brain 團隊開發(fā)，供 Google 內(nèi)部使用,，現(xiàn)在是最著名的開源機器學習平臺之一,。Google 還向研究人員免費提供了基于云的 TensorFlow 版本。 9,、Caffe 最初是由加州大學伯克利分校的精英們創(chuàng)造的 Caffe 已經(jīng)成為一個非常受歡迎的深度學習框架,。它的名氣包括表達架構(gòu)、可擴展代碼和速度,。 10,、H2O 憑借龐大的用戶群，H2O 自稱是“世界領先的開源深度學習平臺”除了開源版本,，該公司還提供付費支持的高級版本,。 11、Microsoft Cognitive Toolkit 顯然,，微軟已經(jīng)進入開源世界了,。微軟 Cognitive Toolkit 原名 CNTK，承諾訓練深度學習算法像人腦一樣思考,。它擁有速度,、可擴展性、商業(yè)級質(zhì)量以及與 C++ 和 Python 的兼容性,。微軟用它來支持 Skype,、Cortana 和必應的人工智能功能。 12,、DeepMind Labs AI 和 ML 里另一個很響亮的名字,。DeepMind 實驗室旨在用于人工智能研究，是一個3D游戲環(huán)境,。它是由 Google 的 DeepMind 小組創(chuàng)建的,，據(jù)說特別適合深度強化學習研究。 13,、ACT-R ACT-R 由卡內(nèi)基梅隆大學開發(fā)，是人類認知理論和基于該理論的軟件的統(tǒng)稱,。該軟件基于 Lisp,，并且有大量的文檔。操作系統(tǒng)：Windows，Linux,，macOS,。 14、StarCraft II API Library 你不會以為 AI 都是用于辦公吧,？Google 的 DeepMind 和暴雪娛樂公司正在合作一個項目,，使星際爭霸2視頻游戲成為人工智能研究平臺成為可能。這是一個用于構(gòu)建腳本機器人的跨平臺 C++ 庫,。 15,、Numenta Numenta 組織提供了許多與分層時間內(nèi)存相關的開源項目。本質(zhì)上,，這些項目試圖基于當前對人類新皮層的生物學理解來創(chuàng)造機器智能,。 16、Open Cog 誠然,，這是一個很大的野心：Open Cog 的目標不是專注于人工智能的一個狹窄方面,，如深度學習或神經(jīng)網(wǎng)絡，而是創(chuàng)造有益的人工通用智能(AGI),。該項目致力于創(chuàng)造具有類人智能的系統(tǒng)和機器人,。 17、Stanford CoreNLP 這種基于 Java 的自然語言處理軟件可以識別單詞的基本形式,、它們的詞性以及它們是公司名稱還是人名,，還可以對日期和時間進行規(guī)范化。它根據(jù)短語和句法依存關系標記句子的結(jié)構(gòu),，指示哪些名詞短語指的是相同的實體,，識別情感，提取實體提及之間的特定或開放類關系,，并獲得引用,。它是為英語設計的，但也支持多種語言,。 18,、Prophet 由臉書開發(fā)和使用——是的，他們有深厚的資源——先知預測時間序列數(shù)據(jù),。它是用 R 或 Python 實現(xiàn)的,，并且是全自動的、精確的,、快速的和可調(diào)的,。 19、SystemML SystemML 最初是一個 IBM 研究項目,，現(xiàn)在是一個頂級 Apache 項目,。它將自己描述為“使用大數(shù)據(jù)進行機器學習的最佳工作場所”,，并與 Spark 集成。 20,、Theano 深度學習可以認為是 AI 的最遠的邊緣,。面向深度學習的 Anano 將自己描述為“一個 Python 庫，允許高效地定義,、優(yōu)化和評估涉及多維數(shù)組的數(shù)學表達式,。”關鍵特性包括 GPU 支持,、與 NumPy 的集成,、高效的符號區(qū)分、動態(tài) C 代碼生成等等,。 21,、MALLET MALLET 是“機器學習語言工具包”的縮寫，包括基于 Java 的統(tǒng)計自然語言處理,、文檔分類,、聚類、主題建模,、信息提取等工具,。它于 2002 年由馬薩諸塞州阿姆赫斯特大學和賓夕法尼亞大學的教師和研究生首次創(chuàng)建。 22,、DeepDetect 作為開源人工智能領域交叉合作的一個例子,，DeepDetect 已經(jīng)被空客和微軟等組織所使用。DeepDetect 是基于 Caffe,、TensorFlow 和 XGBoost 的開源深度學習服務器,。它為圖像分類、對象檢測以及文本和數(shù)字數(shù)據(jù)分析提供了一個易于使用的應用編程接口,。 人工智能應用場景示例 在視頻監(jiān)控行業(yè)中,，基于AI算法的視頻分析技術，使用機器學習和深度學習方法來識別對象,，對它們進行分類,，并確定它們的屬性。TSINGSEE安防視頻結(jié)構(gòu)化智能分析平臺EasyCVR已經(jīng)融合了深度學習技術,，可實現(xiàn)對接入的視頻監(jiān)控圖像進行智能分析,，例如人臉檢測與識別、人體姿態(tài)估計,、物體檢測,、車牌識別、車流統(tǒng)計等,。 發(fā)展趨勢 國家“新基建”已經(jīng)把人工智能納入其中,，同時受益于深度學習算法的快速發(fā)展,，AI智能安防技術已經(jīng)得到了越來越廣泛的應用，人工智能技術的落地也隨之高速發(fā)展,。但是，在應用場景上仍然存在較多需要突破的技術創(chuàng)新點,。
|
|
|
