Google の 15 のオープンソース無料人工知能プロジェクト!開発者: 了解しました

開発者は人工知能に関するオープンソース プロジェクトを数多く目にしてきたと思いますし、Github にも多くのリソースがあります。しかし、今日私がお話しするのは Github からではなく、テクノロジーの「巨人」 Google がリリースした、機械学習、ディープラーニング、ニューラル ネットワークなどを含むいくつかの高品質な人工知能オープンソース プロジェクトからです。私はその中からいくつかを厳選し、皆さんの学習用にお勧めします。以下で見てみましょう。

1. アダネット:

自律的に学習する高速かつ柔軟な AutoML。 AdaNet は、専門家の介入を最小限に抑えて高品質のモデルを自動的に学習する、TensorFlow に基づく軽量フレームワークです。 Cortes と同様に AdaNet アルゴリズムを使用します。 2017年には、ニューラルネットワークの構造がサブネットワーク全体として学習されるようになります。重要なのは、AdaNet はニューラル ネットワーク アーキテクチャを学習するだけでなく、それらをアンサンブルしてより優れたモデルを取得することを学習するための一般的なフレームワークも提供するという点です。

2. デバイス上の自動MLビデオ:

AutoML ビデオを使用して推論用のオブジェクト検出モーション シーケンス モデルをトレーニングします。このサンプル コードは、Google Cloud AutoML Video Object Tracking オンデバイス モデルを読み込み、ビデオ クリップからの一連の画像に対して推論を実行する方法を示しています。対象デバイスはCPUとEdgeTPUです。

3. ぶどう：

中国語、日本語、韓国語 (CJK) 言語用の自動行折り返しツール。 Budou は、CJK の文章を意味のあるブロックを含む整理された HTML コードに自動的に変換し、Web 上で美しいフォントを提供します。

4. 弾丸物理SDK:

VR、ゲーム、視覚効果、ロボット工学、機械学習などのためのリアルタイム衝突検出とマルチフィジックスシミュレーション。 Bullet Physics SDK は、移植可能な C++ で記述されたプロフェッショナルなオープン ソース ライブラリです。このライブラリは主にゲーム、視覚効果、ロボットシミュレーションなどに使用されます。このライブラリは、zlib ライセンスに基づいて商用利用が無料です。

pybullet は、物理シミュレーション、ロボット工学、機械学習用の使いやすい Python モジュールです。 pybullet を使用すると、URDF、SDF、その他のファイル形式から関節ボディを読み込むことができます。 pybullet は、順方向動力学シミュレーション、逆方向動力学計算、順方向および逆方向運動学、衝突検出、および光線交差クエリを提供します。物理シミュレーションに加えて、pybullet はレンダリング、CPU レンダラーと OpenGL 視覚化の両方、および仮想現実ヘッドセットのサポートもサポートします。

5.因果関係:

設計された介入の時系列に対する因果効果を推定するための統計ライブラリ。 CausalImpactR パッケージは、設計された介入の時系列に対する因果効果を推定する方法を実装します。たとえば、キャンペーンによって毎日何回の追加クリックが発生したかなどです。ランダム化実験が不可能な場合、このような質問に答えるのは困難です。このパッケージは、構造ベイズ時系列モデルを使用してこの困難な問題に対処し、介入が行われなかった場合に介入後に介入指標がどのように進化したかを推定することを目的としています。

6. ダーウィン神経進化フレームワーク:

神経進化と進化アルゴリズムのフレームワーク。 Darwin は、神経進化の実験を簡単、高速、そして楽しく行えるように設計されたフレームワークです。新しいアイデアを調査するために必要な反復的な（そして潜在的に複雑な）足場を回避するための構成要素、例、およびツールを提供します。

7. ディープマインドラボ:

エージェントベースの AI 研究のためのカスタマイズ可能な 3D プラットフォーム。 DeepMind Lab は、汎用人工知能および機械学習システムの研究開発を目的とした一人称 3D ゲーム プラットフォームです。これは、深層強化学習に特に役立つ、挑戦的なナビゲーションとパズル解決のタスクのセットを提供します。シンプルで柔軟な API により、革新的なタスク設計と斬新な AI 設計を迅速に検討し、反復することができます。

[[283367]]

8. ドーパミン:

強化学習アルゴリズムのための迅速なプロトタイピング研究フレームワーク。 Dopamine は、強化学習アルゴリズムの迅速なプロトタイピングのための TensorFlow に基づく研究フレームワークです。ユーザーが自由に奇抜なアイデア (推測的研究) を試すことができる、小さくて扱いやすいコードベースのニーズを満たすことを目的としています。

9. ジェムロウプ:

低精度の行列乗算。 gemmlowp は、エントリが 8 ビット整数に量子化された行列を乗算するためのライブラリです。これはモバイル ニューラル ネットワーク アプリケーションで使用され、Intel と ARM からの強力なサポートを受けており、幅広いモバイル CPU で高い効率を実現します。

10. クラウド上のジェネレーティブML:

機械学習と合成画像の生成に役立つクラウドベースのツール。エンドツーエンドのシステム設計により、ユーザーは画像のカスタム データセットを使用して、Cloud ML で変分オートエンコーダー敵対的生成ネットワーク (VAE-GAN) モデルをトレーニングできます。ここで、モデルはクラウドにデプロイされ、ユーザーは埋め込みを入力してデータセットから合成画像を生成したり、画像を入力することで埋め込みベクトルを取得したりできるようになります。このツールは、Google Cloud Machine Learning API と TensorFlow を使用します。

11. グラフ蒸留:

アクション検出のためのグラフ蒸留。本研究では、ソースドメインの大規模なマルチモーダルデータセットから豊富な特権情報を組み込み、トレーニングデータとモダリティが不足しているターゲットドメインでの学習を改善する「グラフ蒸留」と呼ばれる方法を提案します。

12. キューブフロー:

Kubernetes 用の機械学習ツールキット。 Kubeflow プロジェクトは、Kubernetes 上での機械学習 (ML) ワークフローの展開をシンプル、移植可能、かつスケーラブルにすることに専念しています。私たちの目標は、他のサービスを再現することではなく、さまざまなインフラストラクチャに ML 向けの最高の OS システムを展開するための簡単な方法を提供することです。 Kubernetes を実行する場所であればどこでも、Kubeflow を実行できるはずです。

13. マゼンタ:

機械知能の助けを借りた音楽と芸術の創造。 Magenta は、芸術と音楽の創造プロセスにおける機械学習の役割を探求する研究プロジェクトです。主に、歌、画像、絵、その他の素材を生成するための新しいディープラーニングおよび強化学習アルゴリズムの開発が含まれます。しかし、これはまた、アーティストやミュージシャンがこれらのモデルを使用してプロセスを拡張（置き換えるのではなく！）できるようにするインテリジェントなツールとインターフェースの構築への探求でもあります。

14. MentorNet:ノイズの多いデータによるディープラーニング。このサンプル コードは、Google Cloud AutoML Video Object Tracking オンデバイス モデルを読み込み、ビデオ クリップからの一連の画像に対して推論を実行する方法を示しています。対象デバイスはCPUとEdgeTPUです。

15. TensorFlow プレイグラウンド:

ブラウザとニューラル ネットワークの相互作用を視覚化します。 TensorFlow Playground は、d3.js を使用して TypeScript で記述され、ニューラル ネットワークのインタラクティブな視覚化を可能にします。この教育用視覚化の要件を満たす小さなニューラル ネットワーク ライブラリが含まれています。ユーザーは小規模なニューラル ネットワークをシミュレートし、その結果をブラウザーでリアルタイムに表示できます。

これら 15 のプロジェクトはすべて Google オープンソース プロジェクトからのものであり、開発者にとって間違いなく宝の山です。さらに、これらのオープンソースの無料リソースにより、開発者は Titanium AIX を使用して独自の人工知能プロトタイプ製品を練習および開発することもできます。 AIX ミニコンピュータは音声対話と視覚認識をサポートし、Intel Movidius Myraid X コンピューティング アクセラレーション チップ、世界で最も人気のあるオープン ソース ハードウェア Raspberry Pi、さまざまなセンサー テクノロジを搭載しています。 AIX は AI の学習と開発のハードルを大幅に下げ、AI 愛好家や開発者が聞く、話す、見ることのできる AI アプリケーションとソリューションを迅速に構築できるようにします。