زمان تقریبی مطالعه: 6 دقیقه

تاریخ: ۱۴۰۰-۰۳-۱۳
نویسنده: سهیل
پروژه های برتر منبع باز که از هوش مصنوعی استفاده می کنند

بسیاری از پروژه های منبع باز در هوش مصنوعی وجود دارد که هرگز نام آنها شنیده نمی شود. اما بسیاری از این پروژه ها بخشی از اصول اساسی در هوش مصنوعی هستند. به عنوان مثال TensorFlow را در نظر بگیرید. همه در مورد TensorFlow در دنیای هوش مصنوعی شنیده اند! اما در ابتدا فقط یک پروژه توسط تیمGoogle Brain  برای استفاده داخلی گوگل بود. به همین ترتیب، بیشتر این پروژه های منبع باز به عنوان پروژه های اشتیاق توسعه دهندگان در دانشگاه ها یا شرکت های فن آوری مانند Google،Microsoft  و غیره شروع می شوند. به همین دلیل آنها بسیار آینده نگر هستند و اطلاعات هوش مصنوعی را نو آوری می کنند. بنابراین ما در این مقاله درباره پروژه های برتر منبع آزاد با استفاده از هوش مصنوعی بحث می کنیم که اکنون بنیادی در دنیای هوش مصنوعی است.

این پروژه های منبع باز با استفاده از هوش مصنوعی توسط توسعه دهندگان شرکت های برتر مانند گوگل، فیس بوک، مایکروسافت، آی بی ام و … ایجاد شده اند. این پروژه ها بیشتر پروژه های پیشگویی هستند که نوآوری های جدیدی را در زمینه های هوش مصنوعی و یادگیری ماشین ایجاد کرده اند. و حتی مهمتر از بقیه، این واقعیت است که پیشرفت های حاصل از این پروژه های منبع باز، به بخش کلی هوش مصنوعی با حتی بودجه و نوآوری بیشتر برای پروژه های جدید کمک کرده است. بنابراین بیایید اکنون این پروژه های مهیج را بررسی کنیم!

 

  1. پروژه های هوش مصنوعی منبع باز Google

گوگل معتقد است که منبع آزاد برای همه مفید است زیرا منجر به همکاری و توسعه بیشتر فناوری می شود. بیش از 2000 پروژه در Google opensource وجود دارد که برخی از آنها فناوری های محبوب را به وجود آورده اند. بیایید معروف ترین ها را ببینیم:

  • TensorFlow: این یک پلت فرم منبع باز رایگان end-to-end است که دارای انواع متنوع و انعطاف پذیر از ابزارها، کتابخانه ها و منابع برای یادگیری ماشین است. توسط تیم Google Brain ساخته شده است و همچنین در بستر های نرم افزاری Google Open Source  نیز موجود است. ساخت و آموزش مدلهای یادگیری ماشین باAPI  سطح بالا مانند Keras با استفاده از TensorFlow بسیار آسان است. شما همچنین می توانید مدل های یادگیری ماشین را در هرجایی از جمله cloud، مرورگر، تکنولوژی در محل یا هر دستگاهی، بدون توجه به زبانی که استفاده می کنید، به کار گیرید. نسخه های زیادی از TensorFlow برای استفاده های مختلف مانند TensorFlow Lite  برای دستگاه های تلفن همراه،TensorFlow Extended برای تجربه کامل، TensorFlow.js برای محیط های جاوا اسکریپت، TensorFlow Rust  برای اتصالات از کار افتاده، و غیره وجود دارد.Google  همچنین به طور گسترده ای از TensorFlow در بسیاری از محصولات داخلی خود استفاده می کند  از جمله جستجوی Google، Google Maps، Gmail، Google Translate، Android، Google Photos، YouTube، Google Play و غیره.
  • آزمایشگاه :DeepMind این یک شرکت هوش مصنوعی است که در سال 2014 توسط گوگل خریداری شد. این شرکت بر حل مشکلات مختلف و دستیابی به موفقیت در زمینه هوش مصنوعی متمرکز است. DeepMind Lab یک پلتفرم بازی سه بعدی منبع باز است که برای تحقیق و توسعه در زمینه های هوش مصنوعی و یادگیری ماشین ایجاد شده است. این پلتفرم وظایف بسیاری در رابطه با پیمایش و حل معما دارد که پایه ای در یادگیری تقویت عمیق را فراهم می کند. زبان اصلی مورد استفاده برای آزمایشگاه دیپ مایند، C است و به طور داخلی در DeepMind برای آموزش الگوریتم های یادگیری برای اهداف تحقیق استفاده می شود.

 

پروژه های برتر منبع باز که از هوش مصنوعی استفاده می کنند

  1. پروژه های هوش مصنوعی منبع باز فیس بوک

فیس بوک مخزن بزرگی از پروژه های منبع باز دارد و عمدتا معتقد به توانمند سازی جامعه با استفاده از فناوری منبع باز است. بنابراین بیایید برخی از معروف ترین پروژه های منبع باز را در فیس بوک ببینیم:

  • PyTorch: این یک بسته پایتون منبع باز است که در درجه اول روی یادگیری ماشین متمرکز است. PyTorch محاسبه تنسور و همچنین شبکه های عصبی عمیق را فراهم می کند. PyTorch همچنین در صورت لزوم با استفاده از بسته های مختلف Python  مانند NumPy، SciPy، Cython و غیره قابل تمدید است. PyTorch همچنین دارای کتابخانه هایی برای قابلیت های مختلف مانند Captum برای درک مدل، scorch برای سازگاری با یادگیری scikit،PyTorch Geometric  برای یادگیری عمیق در نمودارها و غیره. PyTorch، TorchScript را فراهم می کند، که انتقال بی وقفه بین حالت موجی و حالت نمودار را تسهیل می کند. علاوه بر این، The torch.distributed، توزیع مقیاس پذیر برای یادگیری ماشین و عملکرد بهینه را ارائه می دهد. منبع باز فیس بوک جزئیاتی درباره PyTorch و پیوندهایی به وب سایت اصلی و مخزن Git ارائه می دهد.
  • Prophet: این یک روش پیش بینی منبع باز در پایتون و R است. این امر عمدتا برای دانشمندان داده و تحلیل گران داده است تا بتوانند سریع و دقیق پیش بینی کنند. پیش بینی ها به صورت خودکار انجام می شوند اما می توان آنها را با توجه به مشخصات تنظیم کرد. Prophet عمدتا برای پیش بینی روندهای غیرخطی است که در قالب روزانه، هفتگی و سالانه و همچنین با آثاری از داده های تاریخی متناسب است. فیس بوک همچنین برای تولید پیش بینی های مطمئن و سریع که در برنامه ریزی و تعیین هدف مفید هستند، از برنامه Prophet داخلی در برنامه های مختلف استفاده می کند. از آنجا که Prophet یک نرم افزار منبع باز است، می توان آن را از طریق CRAN و PyPI بارگیری کرد. Prophet توسط تیمCore Data Science  فیس بوک منتشر شد و فیس بوک منبع آزاد پیوندهایی را به وب سایت خود و مخزن Git ارائه می دهد.

 

  1. پروژه های منبع آزاد Microsoft

مایکروسافت بسیاری از پروژه های منبع باز را ارائه می دهد که توسعه دهندگان می توانند به آنها کمک کنند. برخی از اینها شامل موارد زیر است:

  • Cognitive Toolkit مایکروسافت : جعبه ابزار شناختی مایکروسافت یک چارچوب منبع باز است که به توسعه دهندگان اجازه می دهد مجموعه داده های خود را درک کرده و با استفاده از Deep Learning از هوش درونی خود استفاده کنند. این چارچوب توسطMicrosoft Research  توسعه یافته و در ابتدا در 25 ژانویه 2016 منتشر شد. به شما امکان می دهد ضمن فراهم کردن دسترسی به چندینGPU  و سرورهای ارائه دهنده موازی سازی در بک اِند، به راحتی مدل های یادگیری عمیق مانند DNN های پیشرو، شبکه های عصبی کانولوشن و شبکه های عصبی بازگشتی را بسازید. بسیاری از شرکت ها هستند که از Microsoft Cognitive Toolkit برای ایجاد راه حل های AI از جمله Bing، Skype، Cortana، Xbox و غیره استفاده می کنند. این شرکت ها می توانند از Toolkit به روشی قابل تنظیم مطابق با نیازهای خود با شبکه ها و الگوریتم های جداگانه استفاده کنند.
  • Open Neural Network Exchange: یک اکوسیستم هوش مصنوعی منبع باز است که توسط فیس بوک و مایکروسافت ساخته شده است.ONNX  ضروری است زیرا هنگامی که شبکه عصبی بر روی یک چارچوب خاص آموزش و ارزیابی می شود، انتقال این مورد در یک چارچوب متفاوت بسیار دشوار است. در حالی که گزینه های مختلفی برای یک چارچوب اولیه مانند PyTorch، جعبه ابزار شناختی مایکروسافت، TensorFlow، Apache MXNet و غیره وجود دارد، اما انتقال شبکه یک مسئله دیگر است. انتقال شبکه تا حدودی توانایی های یادگیری ماشین را کاهش می دهد اماOpen Neural Network Exchange  راه حل مناسبی برای این مشکل است. این امکان را برای استفاده مجدد از مدلهای شبکه عصبی آموزش دیده در چندین چارچوب فراهم می کند. اکنون ONNX به یک فناوری اساسی که منجر به افزایش قابلیت همکاری در شبکه های عصبی ست، تبدیل خواهد شد. ONNX به همراه مخزن Git خود در صفحه پروژه منبع باز فیس بوک و مایکروسافت در دسترس است.

 

  1. پروژه هوش مصنوعی منبع باز IBM

IBM دارای پروژه های منبع باز در گستره وسیعی از فناوری است. این موارد برای پیشرفت نوآوری و رشد فناوری در آینده بسیار مهم است. مشهورترین پروژه های منبع باز IBM عبارتند از:

  • Java SDK :Watson Developer Cloud: تکنولوژی IBM Watson Cloud به شرکت ها امکان می دهد هوش مصنوعی را به برنامه های خود تزریق کنند تا بتوانند پیش بینی های دقیق تری را انجام دهند، تصمیمات و فرایندهای شرکت را به صورت خودکار درآورند و راه حل های بهینه را به دست آورند. WATSON Cloud Java SDK دسترسی به تمام سرویس های Watson Developer Cloud را فراهم می کند و کاربران می توانند از این امکانات بدون نیاز به تبدیل شدن به متخصص REST استفاده کنند. بنابراین می توانید با استفاده از Watson Developer Cloud Java SDK، قابلیت های شناختی را به برنامه های جاوا خود اضافه کنید. پاسخ این کاملا منبع باز است و تحت مجوز Apache 2 به صورت رایگان در دسترس است. توسعه دهندگان همچنین می توانند از Java SDK به عنوان نقطه آغازین برای دسترسی به گستره کل خدماتWatson Developer Cloud  و افزودن آنها به برنامه های شرکت خود استفاده کنند.

 

همه این پروژه های منبع باز که در بالا ذکر شد در زمینه هوش مصنوعی کمک بسیاری کرده اند. آنها شیوه استفاده از هوش مصنوعی در صنعت فناوری مدرن را کاملاً تغییر داده اند. و حتی مهمتر از آن، آنها زمینه مساوی را برای شرکت های متوسط ​​و کوچک فراهم کرده اند که می توانند از این فناوری منبع باز برای تقویت زیرساخت های هوش مصنوعی خود استفاده کنند و حتی با کمپانی های معروف فناوری در سطح جهانی رقابت کنند.