本文將從開發(fā)者的角度出發(fā)，特別是針對(duì)開發(fā)者中為數(shù)眾多的Linux系統(tǒng)和Mac系統(tǒng)用戶，奉上一篇針對(duì)泛Linux生態(tài)的頂級(jí)人工智能開源工具盤點(diǎn)(當(dāng)然，有些工具也并非只兼容Linux)。

1. Deeplearning4j：為Java用戶量身定制

Deeplearning4j(Deep Learning For Java)是Java和Scala環(huán)境下的一個(gè)開源分布式的深度學(xué)習(xí)項(xiàng)目，由總部位于美國舊金山的商業(yè)智能和企業(yè)軟件公司Skymind牽頭開發(fā)，并得到了騰訊的投資。正如它的命名，Deeplearning4j的運(yùn)行需要Java虛擬機(jī)JVM的支持。

Deeplearning4j團(tuán)隊(duì)在官網(wǎng)表示，他們希望通過一些深度學(xué)習(xí)算法的開發(fā)，將商業(yè)帶入智能化數(shù)據(jù)的時(shí)代。也正是為了實(shí)現(xiàn)這一理想，惠及更多的用戶，因此選擇了移植性更好的Java環(huán)境來實(shí)現(xiàn)這些算法。目前，Deeplearning4j的這些算法已經(jīng)在谷歌、Facebook和微軟等平臺(tái)得到了廣泛應(yīng)用。

值得一提的是，為了便于開發(fā)者自由定制，Deeplearning4j已經(jīng)開放了盡可能多的算法調(diào)節(jié)接口，并對(duì)接口參數(shù)做出了詳盡解釋。同時(shí)，Deeplearning4j團(tuán)隊(duì)還開發(fā)了針對(duì)矩陣運(yùn)算的ND4J和ND4S庫(N-Dimensional Arrays for Java/Scala)，同樣需要JVM的支持。

Deeplearning4j遵循Apache 2.0開源協(xié)議，提供了基于AWS云服務(wù)的GPU運(yùn)算支持，以及微軟服務(wù)器框架的支持。

官網(wǎng)： http://deeplearning4j.org/

2. Caffe：廣受歡迎的深度學(xué)習(xí)框架

Caffe的全稱是 “Convolution Architecture For Feature Extraction”，意為“用于特征提取的卷積架構(gòu)”，主要開發(fā)者來自伯克利大學(xué)的視覺與學(xué)習(xí)中心(Berkeley Vision and Learning Center，BVLC)，基于BSD 2-Clause開源許可協(xié)議發(fā)布。

Caffe是業(yè)內(nèi)著名的深度學(xué)習(xí)框架， 根據(jù)官網(wǎng)介紹 ，其主要特點(diǎn)是：運(yùn)算速度快(官方顯示在單片NVIDIA K40 GPU的運(yùn)算能力下，Caffe每天可以處理超過60M的圖片數(shù)據(jù))，模塊定制方便(在CPU或GPU之間的轉(zhuǎn)換只需要簡(jiǎn)單修改一下參數(shù)設(shè)定)，擴(kuò)展能力強(qiáng)大(目前有超過一千名開發(fā)者基于Caffe開發(fā)了分支版本 )，以及豐富的社區(qū)支持(Caffe已經(jīng)被授權(quán)給各種研究機(jī)構(gòu)、初創(chuàng)公司和工業(yè)集團(tuán))，因此特別適合于神經(jīng)網(wǎng)絡(luò)建模和圖像處理任務(wù)。

官網(wǎng)： http://caffe.berkeleyvision.org/

3. H2O：企業(yè)級(jí)機(jī)器學(xué)習(xí)框架

H2O(即水的化學(xué)式)是一個(gè)開源、快速、可擴(kuò)展的分布式機(jī)器學(xué)習(xí)框架，同時(shí)提供了大量的算法實(shí)現(xiàn)。它支持深度學(xué)習(xí)、梯度推進(jìn)(Gradient Boosting)、隨機(jī)森林(Random Forest)、廣義線性模型(即邏輯回歸，彈性網(wǎng)絡(luò))等各種機(jī)器學(xué)習(xí)算法。

H2O框架的核心代碼由Java編寫，數(shù)據(jù)和模型通過分布式的key/value存儲(chǔ)在各個(gè)集群節(jié)點(diǎn)的內(nèi)存中，算法使用Map/Reduce框架實(shí)現(xiàn)，并使用了Java中的Fork/Join機(jī)制來實(shí)現(xiàn)多線程。

H2O是一個(gè)更關(guān)注企業(yè)用戶的人工智能分析工具，它聚焦于為掌握大量數(shù)據(jù)的企業(yè)用戶提供快速精準(zhǔn)的預(yù)測(cè)分析模型，從海量數(shù)據(jù)中提取有助于商業(yè)決策的信息。

根據(jù)H2O官方的數(shù)據(jù)，目前已經(jīng)有超過7萬名數(shù)據(jù)科學(xué)家和8萬家組織機(jī)構(gòu)成為了H2O平臺(tái)的忠實(shí)擁躉。

官網(wǎng)： http://www.h2o.ai/

4. MLlib：基于Spark框架的機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)庫

MLlib是Apache開源項(xiàng)目Spark針對(duì)一些常用的機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)庫，同時(shí)也包括了相關(guān)的測(cè)試程序和數(shù)據(jù)生成器。

按照官網(wǎng)的描述，MLlib的主要特點(diǎn)是易用(天生兼容Spark框架的API接口和Python、Java、Scala等多種語言)、高性能(依靠Spark的數(shù)據(jù)管理能力，運(yùn)行迭代和邏輯回歸算法時(shí)比Hadoop框架快100倍)和易于部署(可以直接在現(xiàn)有的Hadoop數(shù)據(jù)集群上運(yùn)行)。

MLlib目前支持分類、回歸、推薦、聚類、生存分析等多種機(jī)器學(xué)習(xí)算法。

官網(wǎng)： https://spark.apache.org/mllib/

5. Apache Mahout：Hadoop廣泛采用的機(jī)器學(xué)習(xí)開源框架

Apache Mahout同樣也是一個(gè)Apache開源項(xiàng)目，與MLlib相對(duì)應(yīng)，Mahout是應(yīng)用在Hadoop平臺(tái)下的機(jī)器學(xué)習(xí)開源框架。

Mahout有如下三個(gè)主要特點(diǎn)：

1) 提供簡(jiǎn)單、可擴(kuò)展的編程環(huán)境和框架;

2) 同時(shí)為Scala + Apache Spark、H2O以及Apache Flik平臺(tái)提供打包好的算法實(shí)現(xiàn);

3) 支持R語言的語法規(guī)則進(jìn)行矩陣計(jì)算。

官網(wǎng)： http://mahout.apache.org/

6. OpenNN：專注神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)庫

OpenNN的全稱為“Open Neural Networks Library”，即開源神經(jīng)網(wǎng)絡(luò)庫，其核心代碼由C++編寫，從名字就可以看出，其主要面向深度學(xué)習(xí)領(lǐng)域，助力于用戶構(gòu)建各種不同的神經(jīng)網(wǎng)絡(luò)模型。

據(jù)官方描述，OpenNN可用于實(shí)現(xiàn)監(jiān)督學(xué)習(xí)場(chǎng)景中任何層次的非線性模型，同時(shí)還支持各種具有通用近似屬性的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。

除了模型的多層支持外，OpenNN最主要優(yōu)勢(shì)還在于強(qiáng)大的性能表現(xiàn)。具體來說就是，OpenNN能夠通過C++語言實(shí)現(xiàn)的核心代碼高效地調(diào)節(jié)內(nèi)容使用，通過OpenMP庫很好地平衡多線程CPU調(diào)用，以及通過CUDA工具對(duì)GPU進(jìn)行加速。

官網(wǎng)： http://www.opennn.net/

7. Oryx 2：重新設(shè)計(jì)了Lambda架構(gòu)

Oryx 2是Oryx項(xiàng)目的2.0版，前身名為 Myrrix，后來被大數(shù)據(jù)公司 Cloudera 收購，才改名為 Oryx。

Oryx 2.0關(guān)注于大規(guī)模機(jī)器學(xué)習(xí)/預(yù)測(cè)分析基礎(chǔ)框架的實(shí)時(shí)表現(xiàn)，它基于Apache Spark和Apache Kafka框架開發(fā)，并重新設(shè)計(jì)了Lambda架構(gòu)，使得層次之間的復(fù)用性更強(qiáng)。

2.0版相比之前實(shí)現(xiàn)了更多算法，包括ALS協(xié)同過濾、隨機(jī)森林、以及K-means++等。

官網(wǎng)： http://oryx.io/

8. OpenCyc：全球最龐大、最完備的通用型知識(shí)庫與常識(shí)推理引擎

OpenCyc是Cycorp公司推出的一個(gè)基于Cyc的開源版本，而Cyc是目前全球最龐大、最完備的通用型知識(shí)庫與常識(shí)推理引擎。

OpenCyc包含數(shù)十萬個(gè)精心組織的Cyc詞條。Cycorp公司不但免費(fèi)提供OpenCyc，同時(shí)也鼓勵(lì)開發(fā)者基于OpenCyc開發(fā)針對(duì)于特定應(yīng)用領(lǐng)域的分支版本。

目前，OpenCyc已經(jīng)被成功應(yīng)用在大數(shù)據(jù)建模、語言數(shù)據(jù)整合、智能文本理解、特定領(lǐng)域的專家系統(tǒng)建模和人工智能游戲。

官網(wǎng)： http://www.cyc.com/platform/opencyc/

9. Apache SystemML：專注于大數(shù)據(jù)分析的開源機(jī)器學(xué)習(xí)平臺(tái)

SystemML是一個(gè)利用機(jī)器學(xué)習(xí)算法進(jìn)行大數(shù)據(jù)分析的開源AI平臺(tái)，其主要特點(diǎn)是支持R語言和Python的語法，專注于大數(shù)據(jù)分析領(lǐng)域，以及專門為高階數(shù)學(xué)計(jì)算設(shè)計(jì)。

按照官網(wǎng)的介紹，Apache SystemML基于Apache Spark框架運(yùn)行，其最大的特點(diǎn)就是能夠自動(dòng)、逐行地評(píng)估數(shù)據(jù)，并根據(jù)評(píng)估結(jié)果確定用戶的代碼應(yīng)該直接運(yùn)行在驅(qū)動(dòng)器上還是運(yùn)行在Apache Spark集群上。

除了Apache Spark之外，SystemML還支持Apache Hadoop、Jupyter和Apache Zeppelin等多個(gè)平臺(tái)。目前，SystemML技術(shù)已經(jīng)成功應(yīng)用在交通、航空和金融等多個(gè)領(lǐng)域。

官網(wǎng)： http://systemml.apache.org/

10. NuPIC：基于層級(jí)實(shí)時(shí)存儲(chǔ)算法的機(jī)器智能平臺(tái)

NuPIC是一個(gè)與眾不同的開源機(jī)器智能平臺(tái)，它基于一種大腦皮層理論，即“層級(jí)實(shí)時(shí)存儲(chǔ)算法”(Heirarchical Temporary Memory，HTM)。NuPIC聚焦于分析實(shí)時(shí)數(shù)據(jù)流，可以通過學(xué)習(xí)數(shù)據(jù)之間基于時(shí)間的狀態(tài)變化，對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)，并揭示其中的非常規(guī)特性。

NuPIC關(guān)鍵的功能特性包括：

1) 持續(xù)的在線學(xué)習(xí)：NuPIC模型可以持續(xù)根據(jù)快速變化的數(shù)據(jù)流進(jìn)行實(shí)時(shí)調(diào)整;

2) 時(shí)間和空間分析：像人腦一樣，NuPIC可以同時(shí)模擬時(shí)間和空間的變化;

3) 實(shí)時(shí)的數(shù)據(jù)流分析：智能化的數(shù)據(jù)分析不會(huì)隨著數(shù)據(jù)量的增加而改變;

4) 預(yù)測(cè)和建模：通過通用性的大腦皮層算法，對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)、建模和學(xué)習(xí);

5) 強(qiáng)大的異常檢測(cè)能力：實(shí)時(shí)檢測(cè)數(shù)據(jù)流的擾動(dòng)，不依靠僵化的閾值設(shè)置和過時(shí)的算法;

6) 層級(jí)實(shí)時(shí)存儲(chǔ)算法：支持全新的HTM計(jì)算架構(gòu)。

官網(wǎng)： http://numenta.org/

由于2016僅僅是人工智能走向主流的元年，未來隨著技術(shù)的進(jìn)一步發(fā)展和革新，勢(shì)必會(huì)出現(xiàn)更多、更豐富的開發(fā)工具。這里值得注意的一點(diǎn)是：工具的意義不僅在于解決了日常研發(fā)中遇到的各種問題，更在于降低了開發(fā)的難度，引導(dǎo)了更多人投入到人工智能的研發(fā)之中。