推薦 10 個飽受好評且功能獨特的開源人工智能項目

關(guān)于人工智能的項目，相信大家都看過或者用過不少了，但它們的大多數(shù)看上去都十分“高大上”，讓人感覺要掌握他們猶如習(xí)屠龍之術(shù)一樣。事實上，有很多關(guān)于人工智能的項目還是十分實用的，而且用途還十分有趣，下面就簡單為大家盤點 10 個功能獨特的開源人工智能項目。

1.STYLE2PAINTS：強大的為線稿上色的 AI

https://www.oschina.net/p/style2paints

請輸入標(biāo)題 bcdef

推薦理由：新一代的強大線稿上色 AI，可根據(jù)用戶上傳的自定義色彩給線稿進行上色。項目提供了在線使用網(wǎng)站，十分方便使用。

請輸入標(biāo)題 abcdefg

2.SerpentAI：教 AI 打游戲的學(xué)習(xí)框架

https://www.oschina.net/p/serpentai

請輸入標(biāo)題 bcdef

推薦理由：SerpentAI 旨在為機器學(xué)習(xí)和 AI 研究提供一個有價值的工具。但同時，對于愛好者來說，它也是非常有趣的。

請輸入標(biāo)題 abcdefg

3.Synaptic.js：用于瀏覽器的神經(jīng)網(wǎng)絡(luò)庫

https://www.oschina.net/p/synapticjs

請輸入標(biāo)題 bcdef

推薦理由：Synaptic.js是一個用于 node.js 和瀏覽器的 JavaScript 神經(jīng)網(wǎng)絡(luò)庫，可以構(gòu)建和訓(xùn)練基本上任何類型的一階甚至二階神經(jīng)網(wǎng)絡(luò)。

該項目內(nèi)置了 4 種經(jīng)典的神經(jīng)網(wǎng)絡(luò)算法：多層感知器（multilayer perceptrons）、長短期記憶網(wǎng)絡(luò)（multilayer long-short term memory networks）、液體狀態(tài)機（Liquid State Machine）、Hopfield神經(jīng)網(wǎng)絡(luò)。使用 Synaptic.js ，你可以輕松測試和比較不同體系結(jié)構(gòu)的性能。

請輸入標(biāo)題 abcdefg

4.Snake-AI：貪吃蛇游戲的人工智能

https://www.oschina.net/p/snake-ai

請輸入標(biāo)題 bcdef

推薦理由：一個用 C/C++ 語言編寫的貪吃蛇游戲的人工智能。使用了最短路徑、最長路徑、人工智能算法。

AI 的目的是讓蛇盡可能的吃更多的食物，直到吃滿整個地圖。

Demo

請輸入標(biāo)題 abcdefg

5.Uncaptcha

https://www.oschina.net/p/uncaptcha

請輸入標(biāo)題 bcdef

推薦理由：破解 reCAPTCHA 系統(tǒng)的 AI 算法。unCAPTCHA 算法以 85% 的成功率擊敗了 Google reCAPTCHA 系統(tǒng)。它依靠音頻驗證碼攻擊 - 使用瀏覽器自動化軟件來解析必要的元素并識別語音號碼，并以編程方式傳遞這些數(shù)字，最終成功欺騙目標(biāo)網(wǎng)站。

請輸入標(biāo)題 abcdefg

6.Sockeye：神經(jīng)機器翻譯框架

https://www.oschina.net/p/sockeye

請輸入標(biāo)題 bcdef

推薦理由：Sockeye是一個基于ApacheMXNet的快速而可擴展的深度學(xué)習(xí)庫。

Sockeye代碼庫具有來自MXNet的獨特優(yōu)勢。例如，通過符號式和命令式MXNetAPI，Sockeye結(jié)合了陳述式和命令式編程風(fēng)格；它同樣可以在多塊 GPU 上并行訓(xùn)練模型。

Sockeye實現(xiàn)了MXNet上當(dāng)前最佳的序列到序列模型。它同樣為所有序列到序列模型的超參數(shù)提供恰當(dāng)?shù)哪J(rèn)值。對于優(yōu)化，無需擔(dān)心停止標(biāo)準(zhǔn)、指標(biāo)跟蹤或者權(quán)重初始化?？梢院唵蔚剡\行已提供的訓(xùn)練命令行界面（CLI），也可以輕易改變基礎(chǔ)模型架構(gòu)。

請輸入標(biāo)題 abcdefg

7.PHP-ML：PHP 機器學(xué)習(xí)庫

https://www.oschina.net/p/php-ml

請輸入標(biāo)題 bcdef

推薦理由：我們都知道 Python 或者是 C++ 提供了更多機器學(xué)習(xí)的庫，但他們大多都比較復(fù)雜，配置起來讓很多新手感到頭疼。

PHP-ML 這個機器學(xué)習(xí)庫雖然沒有特別高大上的算法，但其具有最基本的機器學(xué)習(xí)、分類等算法，小項目或者小公司做一些簡單的數(shù)據(jù)分析、預(yù)測等等足以夠用。

PHP-ML 是使用 PHP 編寫的機器學(xué)習(xí)庫。同時包含算法，交叉驗證，神經(jīng)網(wǎng)絡(luò)，預(yù)處理，特征提取等。

請輸入標(biāo)題 abcdefg

8.CycleGAN：生成對抗網(wǎng)絡(luò)圖像處理工具

https://www.oschina.net/p/cyclegan

請輸入標(biāo)題 bcdef

推薦理由：這個工具功能十分強大，不僅可將繪畫作品“還原”成照片（可理解為是一個 “反濾鏡”），還能將夏天轉(zhuǎn)換成冬天，或?qū)⑵胀ǖ鸟R轉(zhuǎn)化成斑馬。

與其它人工智能繪畫不同，CycleGAN 的研究團隊試圖建立一個可雙向轉(zhuǎn)化不丟失信息的雙向算法。

在 CycleGAN 里照片的細(xì)節(jié)被要求完全保留，研究人員希望能夠?qū)⒁粡垐D片輸入 CycleGAN 后進行多次反復(fù)轉(zhuǎn)化（照片→繪畫→照片→繪畫→照片），最終可以獲得與原始照片相同或相近的圖片。

請輸入標(biāo)題 abcdefg

9.DeepLearn.js：加速硬件的機器學(xué)習(xí)JS庫

https://www.oschina.net/p/deeplearn-js

請輸入標(biāo)題 bcdef

DeepLearn.js 是谷歌推出的一個可用于機器智能并加速WebGL的開源JavaScript庫，完全在瀏覽器中運行，不需要安裝，不需要后端處理。

DeepLearn.js 提供高效的機器學(xué)習(xí)構(gòu)建模塊，使我們能夠在瀏覽器中訓(xùn)練神經(jīng)網(wǎng)絡(luò)或在推斷模式中運行預(yù)訓(xùn)練模型。它提供構(gòu)建可微數(shù)據(jù)流圖的API，以及一系列可直接使用的數(shù)學(xué)函數(shù)。

雖然瀏覽器上的機器學(xué)習(xí)庫已經(jīng)存在多年（例如 Andrej Karpathy 的 convnetjs），但是它們受到 JavaScript 速度的限制，或者局限于推理而不能用于訓(xùn)練（例如 TensorFire）。

相比之下，deeplearn.js 通過利用 WebGL 在GPU上執(zhí)行計算，以及進行完全反向傳播（full backpropagation）的能力，實現(xiàn)了顯著的加速。

請輸入標(biāo)題 abcdefg

10.TensorFire：瀏覽器端神經(jīng)網(wǎng)絡(luò)框架

https://www.oschina.net/p/tensorfire

請輸入標(biāo)題 bcdef

推薦理由：TensorFire 是基于 WebGL 的，運行在瀏覽器中的神經(jīng)網(wǎng)絡(luò)框架。使用 TensorFire 編寫的應(yīng)用能夠在實現(xiàn)前沿深度學(xué)習(xí)算法的同時，不需要任何的安裝或者配置就直接運行在現(xiàn)代瀏覽器中。

與之前某些瀏覽器內(nèi)的神經(jīng)網(wǎng)絡(luò)框架相比，TensorFire 有著近百倍的速度提升，甚至于能夠與那些運行在本地 CPU 上的代碼性能相媲美。

開發(fā)者也可以使用 TensorFire 提供的底層接口來進行其他的高性能計算，譬如 PageRank、元胞自動機仿真、圖片轉(zhuǎn)化與過濾等等。