Data Science Central網(wǎng)站主編、有多年數(shù)據(jù)科學(xué)和商業(yè)分析模型從業(yè)經(jīng)驗的Bill Vorhies曾撰文指出，過去一年人工智能和深度學(xué)習(xí)最重要的發(fā)展不在技術(shù)，而是商業(yè)模式的轉(zhuǎn)變——所有巨頭紛紛將其深度學(xué)習(xí)IP開源。 毋庸置疑，“開源浪潮”是2016年人工智能領(lǐng)域不可忽視的一大趨勢，而其中最受歡迎的項目則是谷歌的深度學(xué)習(xí)平臺TensorFlow。下文就從TensorFlow說起，盤點2016年AI開源項目，最后統(tǒng)計了Github最常用深度學(xué)習(xí)開源項目Top 50。

谷歌開源：圍繞TensorFlow打造深度學(xué)習(xí)生態(tài)圈

1.Google第二代深度學(xué)習(xí)引擎TensorFlow開源

2015年11月，谷歌開源深度學(xué)習(xí)平臺TensorFlow。2016年4月，谷歌推出了分布式TensorFlow?，F(xiàn)在，TensorFlow已經(jīng)成為業(yè)內(nèi)最受歡迎的深度學(xué)習(xí)平臺之一。

2.谷歌開源全球最精準(zhǔn)語言解析器SnytaxNet

2016年5月13日，Google Research宣布，世界準(zhǔn)確度最高的自然語言解析器SyntaxNet開源。谷歌開源再進(jìn)一步。據(jù)介紹，谷歌在該平臺上訓(xùn)練的模型的語言理解準(zhǔn)確率超過90%。SyntaxNet是一個在TensoFlow中運(yùn)行的開源神經(jīng)網(wǎng)絡(luò)框架，提供自然語言理解系統(tǒng)基矗谷歌公開了所有用用戶自己的數(shù)據(jù)訓(xùn)練新SyntaxNet模型所需要的代碼，以及谷歌已經(jīng)訓(xùn)練好的，可用于分析英語文本的模型Paesey McParseface。

Paesey McParseface建立于強(qiáng)大的機(jī)器學(xué)習(xí)算法，可以學(xué)會分析句子的語言結(jié)構(gòu)，能解釋特定句子中每一個詞的功能。此類模型中，Paesey McParseface是世界上最精確的，谷歌希望它能幫助對自動提取信息、翻譯和其他自然語言理解（NLU）中的應(yīng)用感興趣的研究者和開發(fā)者。

3.谷歌推出Deep＆Ｗide Learning，開源深度學(xué)習(xí)API

2016年6月29日，谷歌推出Wide & Deep Learning，并將TensorFlow API開源，歡迎開發(fā)者使用這款最新的工具。同時開源的還有對Wide & Deep Learning的實現(xiàn)，作為TF.Learn應(yīng)用程序接口的一部分，讓開發(fā)者也能自己訓(xùn)練模型。

4.谷歌開源TensorFlow自動文本摘要生成模型

2016年8月25日，谷歌開源了TensorFlow中用于文本信息提取并自動生成摘要的模型，尤其擅長長文本處理，這對自動處理海量信息十分有用。自動文本摘要最典型的例子便是新聞報道的標(biāo)題自動生成，為了做好摘要，機(jī)器學(xué)習(xí)模型需要能夠理解文檔、提取重要信息，這些任務(wù)對于計算機(jī)來說都是極具挑戰(zhàn)的，特別是在文檔長度增加的情況下。

5.谷歌開源圖像分類工具TF-Slim，定義TensorFlow復(fù)雜模型

2016年8月31日，谷歌宣布開源TensorFlow高級軟件包TF-Slim，能使用戶快速準(zhǔn)確地定義復(fù)雜模型，尤其是圖像分類任務(wù)。自發(fā)布以來，TF-Slim已經(jīng)得到長足發(fā)展，無論是網(wǎng)絡(luò)層、代價函數(shù)，還是評估標(biāo)準(zhǔn)，都增加了很多類型，訓(xùn)練和評估模型也有了很多便利的常規(guī)操作手段。這些手段使你在并行讀取數(shù)據(jù)或者在多臺機(jī)器上部署模型等大規(guī)模運(yùn)行時，不必為細(xì)節(jié)操心。此外，谷歌研究員還制作了TF-Slim圖像模型庫，為很多廣泛使用的圖像分類模型提供了定義以及訓(xùn)練腳本，這些都是使用標(biāo)準(zhǔn)的數(shù)據(jù)庫寫就的。TF-Slim及其組成部分都已經(jīng)在谷歌內(nèi)部得到廣泛的使用，很多升級也都整合進(jìn)了tf.contrib.slim。

6.谷歌開源大規(guī)模數(shù)據(jù)庫，10億+數(shù)據(jù)，探索RNN極限

2016年9月13日，谷歌宣布開源大規(guī)模語言建模模型庫，這項名為“探索RNN極限”的研究今年2月發(fā)表時就引發(fā)激論，如今姍姍來遲的開源更加引人矚目。研究測試取得了極好的成績，另外開源的數(shù)據(jù)庫含有大約10億英語單詞，詞匯有80萬，大部分是新聞數(shù)據(jù)。這是典型的產(chǎn)業(yè)研究，只有在谷歌這樣的大公司才做得出來。這次開源也應(yīng)該會像作者希望的那樣，在機(jī)器翻譯、語音識別等領(lǐng)域起到推進(jìn)作用。

7.谷歌開源TensorFlow圖說生成模型，可真正理解圖像

2016年9月23日，谷歌宣布開源圖說生成系統(tǒng)Show and Tell最新版在TensorFlow上的模型。該系統(tǒng)采用編碼器-解碼器神經(jīng)網(wǎng)絡(luò)架構(gòu)，分類準(zhǔn)確率達(dá)93.9%，在遇到全新的場景時能夠生成準(zhǔn)確的新圖說。谷歌表示，這說明該系統(tǒng)能夠真正理解圖像。

8.谷歌開源超大數(shù)據(jù)庫，含800萬+視頻

2016年9月28日，谷歌在官方博客上宣布，將含有800萬個Youtube視頻URL的視頻數(shù)據(jù)庫開源，視頻總時長達(dá)到了50萬個小時。一并發(fā)布的還有從包含了4800個知識圖譜分類數(shù)據(jù)集中提取的視頻級別標(biāo)簽。這一數(shù)據(jù)庫在規(guī)模和覆蓋的種類上都比現(xiàn)有的視頻數(shù)據(jù)庫有顯著提升。例如，較為著名的Sports-1M數(shù)據(jù)庫，就只由100萬個Youtube視頻和500個運(yùn)動類目。谷歌官方博客上說，在視頻的數(shù)量和種類上，Youtube-8M代表的是幾乎指數(shù)級的增長。

9.谷歌發(fā)布Open Images圖片數(shù)據(jù)集，包含900萬標(biāo)注圖片

2016年10月1日，繼前天發(fā)布800萬視頻數(shù)據(jù)集之后，谷歌又發(fā)布了圖片數(shù)據(jù)庫Open Images，包含了900萬標(biāo)注數(shù)據(jù)，標(biāo)簽種類超過6000種。谷歌在官方博客中寫到，這比只擁有1000個分類的ImageNet更加貼近實際生活。對于想要從零開始訓(xùn)練計算機(jī)視覺模型的人來說，這些數(shù)據(jù)遠(yuǎn)遠(yuǎn)足夠了。就在12月，谷歌還開源了Open Images并行下載工具的腳本，5天速度最高超過200 M。

10.DeepMind開源AI核心平臺DeepMind Lab（附論文）

2016年12月5日，DeepMind宣布將其AI核心平臺DeepMind Lab開源。DeepMind實驗室把全部代碼上傳至Github，供研究人員和開發(fā)者進(jìn)行實驗和研究。DeepMind Lab這一平臺將幾個不同的AI研究領(lǐng)域整合至一個環(huán)境下，方便研究人員測試AI智能體導(dǎo)航、記憶和3D成像等能力。值得一提的是，這些代碼也包括AlphaGO的代碼，谷歌希望以此增加AI能力的開放性，讓更多開發(fā)者參與AI研究，觀察其他開發(fā)者是否能夠挑戰(zhàn)并打破DeepMind現(xiàn)在的紀(jì)錄。

Facebook開源：貫徹理念

1.Facebook開源圍棋引擎DarkForest

6個月前，F(xiàn)acebook將其圍棋引擎DarkForest開源?，F(xiàn)在訓(xùn)練代碼已經(jīng)全部發(fā)布。Github鏈接：https://github.com/facebookresearch/darkforestGo。

2.Facebook開源文本分類工具fastText，不用深度學(xué)習(xí)也可以又快又準(zhǔn)

2016年8月19日，F(xiàn)acebook AI實驗室（FAIR）宣布開源文本分析工具fastText。fastText既可以用于文本分類，又能用于學(xué)習(xí)詞匯向量表征。在文本分類的準(zhǔn)確率上與一些常用的深度學(xué)習(xí)工具不相上下，但是在時間上卻快很多——模型訓(xùn)練時間從幾天減少到幾秒。除了文本分類，fastText也能被用于學(xué)習(xí)詞語的向量表征，F(xiàn)acebook稱fastText比常用的Word2vec等最先進(jìn)的詞態(tài)表征工具表現(xiàn)都要好得多。

3.Facebook開源計算機(jī)視覺系統(tǒng)deepmask，從像素水平理解圖像（附論文及代碼）

2016年8月26日，F(xiàn)acebook宣布開源計算機(jī)視覺系統(tǒng)deepmask，稱該系統(tǒng)能“從像素水平理解物體”，F(xiàn)acebook希望開源能加速計算機(jī)視覺的發(fā)展。不過，F(xiàn)acebook并沒有在自家產(chǎn)品中使用這些工具，像這樣落實到具體應(yīng)用前就開源，跟通常所說的“開源”有些不同。對此，F(xiàn)acebook人工智能團(tuán)隊FAIR的負(fù)責(zé)人Yann LeCun 曾表示，正是因為FAIR 做基礎(chǔ)的、不受制于公司短期效益的研究，才能真正推進(jìn)人工智能技術(shù)發(fā)展。

4.Facebook 開源AI 訓(xùn)練和測試環(huán)境CommAI-env

2016年9月27日，F(xiàn)acebook 宣布開放AI 訓(xùn)練和測試環(huán)境CommAI-env，可以用任何編程語言設(shè)置智能體。據(jù)介紹，CommAI-env 這個平臺用于訓(xùn)練和評估AI 系統(tǒng)，尤其是注重溝通和學(xué)習(xí)的AI 系統(tǒng)。與用強(qiáng)化學(xué)習(xí)從玩游戲到下圍棋都能做的OpenAI Gym 不同，F(xiàn)acebook 的CommAI-env 側(cè)重基于溝通的訓(xùn)練和測試，這也是為了鼓勵開發(fā)人員更好地打造能夠溝通和學(xué)習(xí)的人工智能，呼應(yīng)該公司的十年規(guī)劃。Facebook 還表示，CommAI-env 會持續(xù)更新，并在成熟后舉辦競賽推進(jìn)AI 的開發(fā)。

在AI 測試環(huán)境方面，F(xiàn)acebook 還開源了CommNet，這是一個讓基于神經(jīng)網(wǎng)絡(luò)的代理更好交互、實現(xiàn)合作而研發(fā)的模型，與CommAI-env 配套。12月，F(xiàn)acebook 還開源了 TorchCraft，在深度學(xué)習(xí)環(huán)境 Torch 與星際爭霸之間搭起了橋梁，方便研究人員使用控制器，編寫能夠玩星際爭霸游戲的智能代理。

5.Facebook 賈揚(yáng)清發(fā)文介紹 Caffe2go，手機(jī)就能運(yùn)行神經(jīng)網(wǎng)絡(luò)

2016年11月8日，Caffe作者、Facebook 研究員賈揚(yáng)清在官方網(wǎng)站上發(fā)文介紹了新的機(jī)器學(xué)習(xí)框架 Caffe2go，并表示在接下來的幾個月將其部分開源。Caffe2go 規(guī)模更小，訓(xùn)練速度更快，對計算性能要求較低，在手機(jī)上就行運(yùn)行，已經(jīng)成為 Facebook 機(jī)器學(xué)習(xí)的核心技術(shù)。

OpenAI

1.OpenAI 推出代理訓(xùn)練環(huán)境 OpenAI Gym

創(chuàng)立于2015年底的非盈利機(jī)構(gòu) OpenAI 的成立打破了谷歌、Facebook 等巨頭霸占 AI 領(lǐng)域的格局，但其創(chuàng)始人、特斯拉CEO馬斯克多次發(fā)表人工智能威脅論。馬斯克創(chuàng)立 OpenAI 目的何在？2016年5月4日，OpenAI 發(fā)布了人工智能研究工具集 OpenAI Gym，用于研發(fā)和比較強(qiáng)化學(xué)習(xí)算法，分析 OpenAI Gym 或可找出馬斯克的真正動機(jī)。

2.另一種開源：OpenAI 介紹深度學(xué)習(xí)基礎(chǔ)框架