譯者 | 布加迪

審校 | 孫淑娟

開源是醞釀革命性軟件的沃土，尤其是在人工智能和機器學(xué)習(xí)等前沿領(lǐng)域。開源精神和協(xié)作工具使團隊更容易共享代碼和數(shù)據(jù)，并在別人成功的基礎(chǔ)上再接再厲。

本文介紹了13個重塑人工智能和機器學(xué)習(xí)界的開源項目。一些是支持新算法的復(fù)雜軟件包，另一些比較低調(diào)。所有這些都值得留意。

TensorFlow和PyTorch

缺少TensorFlow和PyTorch的AI和機器學(xué)習(xí)開源工具列表是不完整的。這些框架單獨或共同支持機器學(xué)習(xí)和人工智能領(lǐng)域一些最具實驗性、最重要的研究。本文討論的至少幾個項目將它們用作基礎(chǔ)模塊。

FauxPilot

編程方面需要一點幫助的程序員可以得益于FauxPilot。該系統(tǒng)拿現(xiàn)有的生產(chǎn)代碼訓(xùn)練自己，并從中學(xué)習(xí)到足夠的知識，提出有意義的評論和建議。項目的靈感來自GitHub Copilot，但FauxPilot讓您可以選擇用于訓(xùn)練的代碼庫。這額外的控制層可防止您從可能不批準(zhǔn)使用的來源使用代碼片段。如果您選擇訓(xùn)練來源，并僅限擁有適當(dāng)權(quán)限和許可證的人使用，那么您使用的編程幫助和代碼片段更有可能是干凈可靠的。

DALL-E

了解機器學(xué)習(xí)模型如何“思考”的最簡單方法之一是，開始將單詞饋入DALL-E，這個非常大的開放模型用從網(wǎng)上收集的圖像和文本描述構(gòu)建而成。輸入一個單詞，出來DALL-E認(rèn)為匹配的圖像。DALL-E Playground和DALL-E Mini等開源項目使用戶更容易試驗?zāi)Ｐ?。它部分是游戲，部分是窺視AI算法底層的門戶。

YOLOv7

實時對象檢測（查找圖像中的對象）是人工智能的一個棘手領(lǐng)域。它對于需要收集和傳送準(zhǔn)確環(huán)境信息的自動駕駛汽車、機器人和輔助設(shè)備等領(lǐng)域也至關(guān)重要。YOLOv7是最快、最準(zhǔn)確的開源對象檢測工具之一。只需為該工具提供一堆對象豐富的圖像，然后看看接下來會發(fā)生什么。

DeepFaceLab

深度偽造是借助深度學(xué)習(xí)創(chuàng)建、改動或合成的視頻和圖像。最常見的例子是將名人或政客的臉換成現(xiàn)有的視頻或圖像，通常是為了好玩，但有時出于更邪惡的目的。DeepFaceLab是在Python上運行的開源深度偽造技術(shù)。除了將一張臉換成另一張臉外，它還可以用來去除皺紋及其他表明年邁的標(biāo)記。

PaddleNLP

自然語言處理（NLP）引擎執(zhí)行神經(jīng)搜索和情感分析，然后為人類和機器用戶提取和呈現(xiàn)信息。雖然有時仍然很笨拙，但這項技術(shù)已變得足夠先進，可以用于各種應(yīng)用環(huán)境和領(lǐng)域（Alexa只是一個例子）。PaddleNLP是一個流行的開源NLP庫，您可以用它來收集搜索情緒，并標(biāo)記重要實體。

MindsDB

AI的傳統(tǒng)成功途徑是將數(shù)據(jù)存儲在數(shù)據(jù)庫中，然后將其提取、發(fā)送給一種另外的機器學(xué)習(xí)算法。MindsDB是一種SQL服務(wù)器，將機器學(xué)習(xí)算法直接集成到數(shù)據(jù)庫中。數(shù)據(jù)庫內(nèi)機器學(xué)習(xí)（即在已經(jīng)存儲數(shù)據(jù)的地方分析數(shù)據(jù)）是加快機器學(xué)習(xí)工作流程的一種快速有效的方法。

Image Super-Resolution（ISR）

照片的細(xì)節(jié)總是越多越好，而Image Super-Resolution可以通過提高圖像分辨率來添加更多細(xì)節(jié)。這個開源工具采用機器學(xué)習(xí)模型，您可以訓(xùn)練該模型，以猜測低分辨率圖像中的細(xì)節(jié)。借助良好的訓(xùn)練集，該模型可以生成準(zhǔn)確的細(xì)節(jié)和更清晰的圖像。

DeepPavlov

許多企業(yè)和大公司正在把客戶服務(wù)一線員工換成聊天機器人，這意味著機器在學(xué)習(xí)進行對話。DeepPavlov將TensorFlow、Keras和PyTorch等基本的機器學(xué)習(xí)工具結(jié)合在一起，創(chuàng)建聊天機器人供您學(xué)習(xí)。結(jié)果有點古怪，但借助合適的訓(xùn)練，有時結(jié)果很實用。

Bledner

將3D模型轉(zhuǎn)換成華麗渲染場景的好方法是啟動Blender。雖然許多人認(rèn)為Blender是電影制作人和動畫師手里的工具，它也是應(yīng)用型AI的一個典例。豐富的界面和眾多插件使創(chuàng)建復(fù)雜的動態(tài)圖形或電影場景成為可能。只需要一點創(chuàng)造力，奧斯卡提名委員會很快就會打來電話。AI甚至不會要求分享勝利果實。

OpenCV

探索機器視覺的最可靠基礎(chǔ)之一是開源計算機視覺庫OpenCV。它包括許多用于識別數(shù)字圖像中對象的流行算法，以及專門的例程，比如可以識別和讀取汽車牌照的例程。

Robocode

Robocode對您的算法而言如同《饑餓游戲》。這款基于Java的編程游戲讓您的坦克可以在爭奪統(tǒng)治權(quán)的戰(zhàn)斗中與其他坦克作戰(zhàn)。這是一種有趣的消遣，甚至可能有助于測試自動駕駛汽車的新策略。

原文鏈接：https://www.infoworld.com/article/3673976/13-open-source-projects-transforming-ai-and-machine-learning.html