編譯自： https://www.linux.com/blog/2018/6/6-open-source-ai-tools-know
讓我們來看看幾個任何人都能用的自由開源的 AI 工具。
在開源領域，不管你的想法是多少的新穎獨到，先去看一下別人是否已經做成了這個概念，總是一個很明智的做法。對於有興趣藉助不斷成長的 人工智能(Artificial Intelligence)（AI）的力量的組織和個人來說，許多優秀的工具不僅是自由開源的，而且在很多的情況下，它們都已經過測試和久經考驗的。
在領先的公司和非盈利組織中，AI 的優先級都非常高，並且這些公司和組織都開源了很有價值的工具。下面的舉例是任何人都可以使用的自由開源的 AI 工具。
Acumos
Acumos AI 是一個平臺和開源框架，使用它可以很容易地去構建、共享和分發 AI 應用。它規範了運行一個“開箱即用的”通用 AI 環境所需要的 基礎設施棧(infrastructure stack)和組件。這使得數據科學家和模型訓練者可以專注於它們的核心競爭力，而不用在無止境的定製、建模，以及訓練一個 AI 實現上浪費時間。
Acumos 是 LF 深度學習基金會 的一部分，它是 Linux 基金會中的一個組織，它支持在人工智能、 機器學習(machine learning) 、以及 深度學習(deep learning)方面的開源創新。它的目標是讓這些重大的新技術可用於開發者和數據科學家，包括那些在深度學習和 AI 上經驗有限的人。LF 深度學習基金會 最近批准了一個項目生命週期和貢獻流程 ，並且它現在正接受項目貢獻的建議。
Facebook 的框架
Facebook 開源了 其中心機器學習系統，它設計用於做一些大規模的人工智能任務，以及一系列其它的 AI 技術。這個工具是經過他們公司驗證使用的平臺的一部分。Facebook 也開源了一個叫 Caffe2 的深度學習和人工智能的框架。
CaffeOnSpark
說到 Caffe。 Yahoo 也在開源許可證下發布了它自己的關鍵的 AI 軟件。 CaffeOnSpark 工具 是基於深度學習的，它是人工智能的一個分支，在幫助機器識別人類語言，或者照片、視頻的內容方面非常有用。同樣地，IBM 的機器學習程序 SystemML 可以通過 Apache 軟件基金會自由地共享和修改。
Google 的工具
Google 花費了幾年的時間開發了它自己的 TensorFlow 軟件框架，用於去支持它的 AI 軟件和其它預測和分析程序。TensorFlow 是你可能都已經在使用的一些 Google 工具背後的引擎，包括 Google Photos 和在 Google app 中使用的語言識別。
Google 開源了兩個 AIY 套件 ，它可以讓個人很容易地使用人工智能，它們專注於計算機視覺和語音助理。這兩個套件將用到的所有組件封裝到一個盒子中。該套件目前在美國的 Target 中有售，並且它是基於開源的樹莓派平臺的 —— 有越來越多的證據表明，在開源和 AI 交集中將發生非常多的事情。
H2O.ai
我 以前介紹過 H2O.ai，它在機器學習和人工智能領域中佔有一席之地，因為它的主要工具是自由開源的。你可以獲取主要的 H2O 平臺和 Sparkling Water，它與 Apache Spark 一起工作，只需要去 下載 它們即可。這些工具遵循 Apache 2.0 許可證，它是一個非常靈活的開源許可證，你甚至可以在 Amazon Web 服務（AWS）和其它的集群上運行它們，而這僅需要幾百美元而已。
Microsoft 入局
“我們的目標是讓 AI 大眾化，讓每個人和組織獲得更大的成就，“ Microsoft CEO 薩提亞·納德拉 說 。因此，微軟持續迭代它的 Microsoft Cognitive Toolkit （CNTK）。它是一個能夠與 TensorFlow 和 Caffe 去競爭的一個開源軟件框架。Cognitive Toolkit 可以工作在 64 位的 Windows 和 Linux 平臺上。
Cognitive Toolkit 團隊的報告稱，“Cognitive Toolkit 通過允許用戶去創建、訓練，以及評估他們自己的神經網絡，以使企業級的、生產系統級的 AI 成為可能，這些神經網絡可能跨多個 GPU 以及多個機器在大量的數據集中高效伸縮。”
從來自 Linux 基金會的新電子書中學習更多的有關 AI 知識。Ibrahim Haddad 的 開源 AI：項目、洞察和趨勢 調查了 16 個流行的開源 AI 項目—— 深入研究了他們的歷史、代碼庫、以及 GitHub 的貢獻。 現在可以免費下載這個電子書 。
via: https://www.linux.com/blog/2018/6/6-open-source-ai-tools-know
作者： Sam Dean 選題： lujun9972 譯者： qhwdw 校對： pityonline , wxy
本文由 LCTT 原創編譯， Linux中國 榮譽推出
閱讀更多 Linux中國 的文章
