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習等前沿領域。開源精神和協作工具使團隊更容易共享代碼和數據，并在別人成功的基礎上再接再厲。

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

TensorFlow和PyTorch

缺少TensorFlow和PyTorch的AI和機器學習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習和人工智能領域一些最具實驗性、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。該系統拿現有的生產代碼訓練自己，并從中學習到足夠的知識，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練的代碼庫。這額外的控制層可防止您從可能不批準使用的來源使用代碼片段。如果您選擇訓練來源，并僅限擁有適當權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

了解機器學習模型如何“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上收集的圖像和文本描述構建而成。輸入一個單詞，出來DALL-E認為匹配的圖像。DALL-E Playground和DALL-E Mini等開源項目使用戶更容易試驗模型。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域。它對于需要收集和傳送準確環境信息的自動駕駛汽車、機器人和輔助設備等領域也至關重要。YOLOv7是最快、最準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生什么。

DeepFaceLab

深度偽造是借助深度學習創建、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。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記。

PaddleNLP

自然語言處理（NLP）引擎執行神經搜索和情感分析，然后為人類和機器用戶提取和呈現信息。雖然有時仍然很笨拙，但這項技術已變得足夠先進，可以用于各種應用環境和領域（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，并標記重要實體。

MindsDB

AI的傳統成功途徑是將數據存儲在數據庫中，然后將其提取、發送給一種另外的機器學習算法。MindsDB是一種SQL服務器，將機器學習算法直接集成到數據庫中。數據庫內機器學習（即在已經存儲數據的地方分析數據）是加快機器學習工作流程的一種快速有效的方法。

Image Super-Resolution（ISR）

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

DeepPavlov

許多企業和大公司正在把客戶服務一線員工換成聊天機器人，這意味著機器在學習進行對話。DeepPavlov將TensorFlow、Keras和PyTorch等基本的機器學習工具結合在一起，創建聊天機器人供您學習。結果有點古怪，但借助合適的訓練，有時結果很實用。

Bledner

將3D模型轉換成華麗渲染場景的好方法是啟動Blender。雖然許多人認為Blender是電影制作人和動畫師手里的工具，它也是應用型AI的一個典例。豐富的界面和眾多插件使創建復雜的動態圖形或電影場景成為可能。只需要一點創造力，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之一是開源計算機視覺庫OpenCV。它包括許多用于識別數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治權的戰斗中與其他坦克作戰。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