轉自：http://os.51cto.com/art/201609/517610.htm

人工智慧是技術研究領域最炙手可熱的領域之一。IBM、谷歌、微軟、Facebook和亞馬遜等公司正投入巨資進行研發，並紛紛收購在機器學習、神經網路、神經語言和影象處理等領域取得進展的初創公司。考慮到人工智慧如此受關注，斯坦福大學的專家最近撰寫的一份智慧研究報告得出結論：“現在到2030年人工智慧可能會出現越來越有用的應用，有可能給我們的社會和經濟帶來深遠的積極影響，”也就不足為奇了。

我們在本文中專注於開源人工智慧工具，著重介紹15個知名度最大的開源人工智慧專案。

1. Caffe

Caffe是加州大學伯克利分校攻讀博士學位者的傑作，這是一種深度學習框架，基於表示式架構和可擴充套件程式碼。速度快是它賴以成名的特點，因而在研究人員和企業使用者當中都備受歡迎。據官方網站聲稱，僅僅使用一個英偉達K40 GPU，它在短短一天內就能夠處理6000多萬個影象。它由伯克利視覺和學習中心(BVLC)管理，英偉達和亞馬遜等公司提供了撥款，支援它的發展。

2. CNTK

CNTK的全稱是計算網路工具包，它是微軟的開源人工智慧工具之一。它聲稱擁有出眾的效能，無論在只有CPU的系統上執行，在只有一個CPU的系統上執行，在擁有多個GPU的系統上執行，還是在擁有多個GPU的多臺機器上執行，都是如此。微軟主要用它來研究語音識別，但是它同樣適用於其他應用領域，比如機器翻譯、影象識別、影象字幕、文字處理、語言理解和語言建模。

3. Deeplearning4j

Deeplearning4j是一種面向Java虛擬機器(JVM)的開源深度學習庫。它在分散式環境中執行，可與Hadoop和Apache Spark整合起來。它讓使用者可以配置深度神經網路，與Java、Scala及其他JVM語言相容。

該專案由一家名為Skymind的商業公司管理，該公司提供收費的支援、培訓和Deeplearning4j的企業發行版。

4. 分散式機器學習工具包

與CNTK一樣，分散式機器學習工具包(DMTK)是微軟的開源人工智慧工具之一。它是為大資料應用領域設計，旨在更快地訓練人工智慧系統。它包括三大部分：DMTK框架、LightLDA主題模型演算法以及分散式(Multisense)單詞嵌入演算法。微軟聲稱，在8個叢集機器上，它能夠“針對擁有1000多億個權標的文件集合，訓練擁有100萬個主題和1000萬個單詞詞彙表(共有10萬億個引數)的主題模型，”這個成績是其他工具無法比擬的，這也證明了DMTK的速度有多快。

5. H2O

H2O更加專注於人工智慧在企業領域的應用，而不是在研究領域的應用，它的使用者包括諸多大公司：第一資本、思科、尼爾森Catalina、貝寶及Transamerica。它聲稱讓任何人都可以使用機器學習和預測分析的強大功能，解決業務問題。它可用於預測建模、風險及欺詐分析、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：標準的H2O和Sparkling Water，後者與Apache Spark整合起來。它還提供收費的企業支援。

6. Mahout

Mahout是Apache基金會下面的一個專案，是一種開源機器學習框架。據官方網站聲稱，它提供三種主要的特性：用於構建可擴充套件演算法的程式設計環境、面向Spark和H2O等工具的預製演算法，以及名為Samsara的向量數學試驗環境。使用Mahout的公司包括：Adobe、埃森哲、Foursquare、英特爾、領英、推特、雅虎及其他許多公司。可通過官方網站上所列的第三方獲得專業支援。

7. MLlib

Apache Spark以速度快著稱，它已成為最流行的大資料處理工具之一。MLlib是Spark的可擴充套件機器學習庫。它與Hadoop整合起來，可與NumPy和R協同操作。它包括一大批機器學習演算法，可用於分類、迴歸、決策樹、推薦、聚類、主題建模、特性轉換、模型評估、機器學習管道構建、機器學習永續性、生存分析、頻繁項集、順序模式挖掘、分散式線性代數和統計。

8. NuPIC

NuPIC由一家名為Numenta的公司管理，這是一種開源人工智慧專案，基於一種名為分層式即時記憶(即HTM)的理論。實際上，HTM試圖建立一種模仿人類大腦新皮層而建的計算機系統。目的在於製造“處理許多認知任務時接近或勝過人類表現”的機器。

除了開源許可證外，Numenta還提供採用商業許可證的NuPic，它還提供作為它技術底層的專利方面的許可證。

9. OpenNN

OpenNN為深入瞭解人工智慧的研究人員和開發人員而設計，這是一種用於實現神經網路的C++程式設計庫。主要特性包括：深度架構和卓越效能。官方網站上有全面的說明文件，包括解釋神經網路基礎知識的入門教程。可通過Artelnics獲得OpenNN的收費支援，總部位於西班牙的這家公司主攻預測分析。

10. OpenCyc

OpenCyc由一家名為Cycorp的公司開發，它讓使用者可以訪問Cyc知識庫和常識推理引擎。它包括239000多個術語、約2093000個三元組以及大約69000個owl:sameAs連結(指向外部語義資料名稱空間)。它用於豐富域名建模、語義資料整合、文字理解、特定領域專家系統和遊戲人工智慧。這家公司還提供Cyc的另外兩個版本：一個是非開源免費版本，面向研究人員;另一個面向企業使用者，需要收費。

11. Oryx 2

Oryx 2建立在Apache Spark和Kafka上，這是一種專門的應用開發框架，面向大規模的機器學習。它使用了一種獨特的lambda架構，有三個層次。開發人員可使用Oryx 2來構建新的應用程式，它還包括一些預製應用程式，處理常見的大資料任務，比如協作過濾、分類、迴歸和聚類。大資料工具廠商Cloudera建立了最初的Oryx 1專案，一直大力參與持續開發工作。

12. PredictionIO

今年2月份，Salesforce收購了PredictionIO，後來在7月份，它把該平臺連同商標一起捐獻給了Apache基金會，該基金會將它列為孵化器專案。所以，雖然Salesforce使用PredictionIO技術來完善自己的機器學習功能，但是開源版本方面的工作也會繼續下去。它可幫助使用者構建擁有機器學習功能的預測引擎，這些功能可用來部署實時響應動態查詢的Web服務。

13. SystemML

SystemML最初由IBM開發，現在它是Apache旗下的一個大資料專案。它提供了一種高度可擴充套件的平臺，可以實施用R或類似Python的語法編寫的高階運算和演算法。企業已經在用它來跟蹤汽車維修方面的客戶服務，引導機場客流量，或者將社交媒體資料與銀行客戶聯絡起來。它可以在Spark或Hadoop上執行。

14. TensorFlow

TensorFlow是谷歌的開源人工智慧工具之一。它提供了用於數字計算的庫，使用資料流圖。它可以在眾多不同的搭載單一或多個CPU和GPU的系統上執行，甚至可以在移動裝置上執行。它擁有深度靈活性、真正的可移植性、自動差分功能，並支援Python和C++。官方網站上列有非常豐富的教程和實用文章，可供有興趣使用或擴充套件其功能的開發人員或研究人員使用。

15. Torch

Torch自稱是“一種科學計算框架，廣泛支援把GPU放在首位的機器學習演算法。”這裡的重點在於靈活性和速度。此外，很容易與眾多方面的軟體包結合使用：機器學習、計算機視覺、訊號處理、並行處理、影象、視訊、音訊和網路。它依賴一種名為LuaJIT的指令碼語言，這種語言基於Lua。