人工智慧artificial intelligence，AI是科技研究中最熱門的方向之一。像 IBM、谷歌、微軟、Facebook 和亞馬遜等公司都在研發上投入大量的資金、或者收購那些在機器學習、神經網絡、自然語言和圖像處理等領域取得了進展的初創公司。考慮到人們對此感興趣的程度，我們將不會驚訝於斯坦福的專家在人工智慧報告[1]中得出的結論：「越來越強大的人工智慧應用，可能會對我們的社會和經濟產生深遠的積極影響，這將出現在從現在到 2030 年的時間段裡。」
在最近的一篇文章[2]中，我們概述了 45 個十分有趣或有前途的人工智慧項目。在本文中，我們將聚焦於開源的人工智慧工具，詳細的了解下最著名的 15 個開源人工智慧項目。
開源人工智慧
以下這些開源人工智慧應用都處於人工智慧研究的最前沿。
1. Caffe
它是由賈揚清[3]在加州大學伯克利分校的讀博時創造的，Caffe[4] 是一個基於表達體系結構和可擴展代碼的深度學習框架。使它聲名鵲起的是它的速度，這讓它受到研究人員和企業用戶的歡迎。根據其網站所言，它可以在一天之內只用一個 NVIDIA K40 GPU 處理 6000 萬多個圖像。它是由伯克利視野和學習中心（BVLC）管理的，並且由 NVIDIA 和亞馬遜等公司資助來支持它的發展。
2. CNTK
它是計算網絡工具包Computational Network Toolkit的縮寫，CNTK[5] 是一個微軟的開源人工智慧工具。不論是在單個 CPU、單個 GPU、多個 GPU 或是擁有多個 GPU 的多臺機器上它都有優異的表現。微軟主要用它做語音識別的研究，但是它在機器翻譯、圖像識別、圖像字幕、文本處理、語言理解和語言建模方面都有著良好的應用。
3. Deeplearning4j
Deeplearning4j[6] 是一個 java 虛擬機（JVM）的開源深度學習庫。它運行在分布式環境並且集成在 Hadoop 和 Apache Spark 中。這使它可以配置深度神經網絡，並且它與 Java、Scala 和 其他 JVM 語言兼容。
這個項目是由一個叫做 Skymind 的商業公司管理的，它為這個項目提供支持、培訓和一個企業的發行版。
4. DMTK
DMTK[7] 是分布式機器學習工具Distributed Machine Learning Toolkit的縮寫，和 CNTK 一樣，是微軟的開源人工智慧工具。作為設計用於大數據的應用程式，它的目標是更快的訓練人工智慧系統。它包括三個主要組件：DMTK 框架、LightLDA 主題模型算法和分布式（多義）字嵌入算法。為了證明它的速度，微軟聲稱在一個八集群的機器上，它能夠「用 100 萬個主題和 1000 萬個單詞的詞彙表（總共 10 萬億參數）訓練一個主題模型，在一個文檔中收集 1000 億個符號，」。這一成績是別的工具無法比擬的。
5. H20
相比起科研，H2O[8] 更注重將 AI 服務於企業用戶，因此 H2O 有著大量的公司客戶，比如第一資本金融公司、思科、Nielsen Catalina、PayPal 和泛美都是它的用戶。它聲稱任何人都可以利用機器學習和預測分析的力量來解決業務難題。它可以用於預測建模、風險和欺詐分析、保險分析、廣告技術、醫療保健和客戶情報。
它有兩種開源版本：標準版 H2O 和 Sparking Water 版，它被集成在 Apache Spark 中。也有付費的企業用戶支持。
6. Mahout
它是 Apache 基金會項目，Mahout[9] 是一個開源機器學習框架。根據它的網站所言，它有著三個主要的特性：一個構建可擴展算法的編程環境、像 Spark 和 H2O 一樣的預製算法工具和一個叫 Samsara 的矢量數學實驗環境。使用 Mahout 的公司有 Adobe、埃森哲諮詢公司、Foursquare、英特爾、領英、Twitter、雅虎和其他許多公司。其網站列了出第三方的專業支持。
7. MLlib
由於其速度，Apache Spark 成為一個最流行的大數據處理工具。MLlib[10] 是 Spark 的可擴展機器學習庫。它集成了 Hadoop 並可以與 NumPy 和 R 進行交互操作。它包括了許多機器學習算法如分類、回歸、決策樹、推薦、集群、主題建模、功能轉換、模型評價、ML 管道架構、ML 持久、生存分析、頻繁項集和序列模式挖掘、分布式線性代數和統計。
8. NuPIC
由 Numenta[11] 公司管理的 NuPIC[12] 是一個基於分層暫時記憶Hierarchical Temporal Memory，HTM理論的開源人工智慧項目。從本質上講，HTM 試圖創建一個計算機系統來模仿人類大腦皮層。他們的目標是創造一個 「在許多認知任務上接近或者超越人類認知能力」 的機器。
除了開源許可，Numenta 還提供 NuPic 的商業許可協議，並且它還提供技術專利的許可證。
9. OpenNN
作為一個為開發者和科研人員設計的具有高級理解力的人工智慧，OpenNN[13] 是一個實現神經網絡算法的 c++ 編程庫。它的關鍵特性包括深度的架構和快速的性能。其網站上可以查到豐富的文檔，包括一個解釋了神經網絡的基本知識的入門教程。OpenNN 的付費支持由一家從事預測分析的西班牙公司 Artelnics[14] 提供。
10. OpenCyc
由 Cycorp 公司開發的 OpenCyc[15] 提供了對 Cyc 知識庫的訪問和常識推理引擎。它擁有超過 239,000 個條目，大約 2,093,000 個三元組和大約 69,000 owl：這是一種類似於連結到外部語義庫的命名空間。它在富領域模型、語義數據集成、文本理解、特殊領域的專家系統和遊戲 AI 中有著良好的應用。該公司還提供另外兩個版本的 Cyc：一個可免費的用於科研但是不開源，和一個提供給企業的但是需要付費。
11. Oryx 2
構建在 Apache Spark 和 Kafka 之上的 Oryx 2[16] 是一個專門針對大規模機器學習的應用程式開發框架。它採用一個獨特的三層 λ 架構。開發者可以使用 Orys 2 創建新的應用程式，另外它還擁有一些預先構建的應用程式可以用於常見的大數據任務比如協同過濾、分類、回歸和聚類。大數據工具供應商 Cloudera 創造了最初的 Oryx 1 項目並且一直積極參與持續發展。
12. PredictionIO
今年的二月，Salesforce 收購了 PredictionIO[17]，接著在七月，它將該平臺和商標貢獻給 Apache 基金會，Apache 基金會將其列為孵育計劃。所以當 Salesforce 利用 PredictionIO 技術來提升它的機器學習能力時，成效將會同步出現在開源版本中。它可以幫助用戶創建帶有機器學習功能的預測引擎，這可用於部署能夠實時動態查詢的 Web 服務。
13. SystemML
最初由 IBM 開發， SystemML[18] 現在是一個 Apache 大數據項目。它提供了一個高度可伸縮的平臺，可以實現高等數學運算，並且它的算法用 R 或一種類似 python 的語法寫成。企業已經在使用它來跟蹤汽車維修客戶服務、規劃機場交通和連接社會媒體數據與銀行客戶。它可以在 Spark 或 Hadoop 上運行。
14. TensorFlow
TensorFlow[19] 是一個谷歌的開源人工智慧工具。它提供了一個使用數據流圖進行數值計算的庫。它可以運行在多種不同的有著單或多 CPU 和 GPU 的系統，甚至可以在行動裝置上運行。它擁有深厚的靈活性、真正的可移植性、自動微分功能，並且支持 Python 和 c++。它的網站擁有十分詳細的教程列表來幫助開發者和研究人員沉浸於使用或擴展他的功能。
15. Torch
Torch[20] 將自己描述為：「一個優先使用 GPU 的擁有機器學習算法廣泛支持的科學計算框架」，它的特點是靈活性和速度。此外，它可以很容易的通過軟體包用於機器學習、計算機視覺、信號處理、並行處理、圖像、視頻、音頻和網絡等方面。它依賴一個叫做 LuaJIT 的腳本語言，而 LuaJIT 是基於 Lua 的。
via: http://www.datamation.com/open-source/slideshows/15-top-open-source-artificial-intelligence-tools.html
作者：Cynthia Harvey[21] 譯者：Chao-zhi 校對：校對者ID
本文由 LCTT[22] 原創編譯，Linux中國 榮譽推出
[1]: https://ai100.stanford.edu/sites/default/files/ai_100_report_0906fnlc_single.pdf
[2]: http://www.datamation.com/applications/artificial-intelligence-software-45-ai-projects-to-watch-1.html
[3]: http://daggerfs.com/
[4]: http://caffe.berkeleyvision.org/
[5]: https://www.cntk.ai/
[6]: http://deeplearning4j.org/
[7]: http://www.dmtk.io/
[8]: http://www.h2o.ai/
[9]: http://mahout.apache.org/
[10]: https://spark.apache.org/mllib/
[11]: http://numenta.com/
[12]: http://numenta.org/
[13]: http://www.opennn.net/
[14]: https://www.artelnics.com/
[15]: http://www.cyc.com/platform/opencyc/
[16]: http://oryx.io/
[17]: https://prediction.io/
[18]: http://systemml.apache.org/
[19]: https://www.tensorflow.org/
[20]: http://torch.ch/
[21]: http://www.datamation.com/author/Cynthia-Harvey-6460.html
[22]: https://github.com/LCTT/TranslateProject
推薦文章
將文章分享給朋友是對我們最好的讚賞！