㈠ 如何評價谷歌將其人工智慧引擎開源
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。[1]
㈡ 百度開源的Warp-CTC人工智慧技術，到底是什麼鬼
隨著阿法狗大戰李世石,人工智慧引發越來越多的關注。網路總裁張亞勤28日表示,網路長期堅持技術創新,2015年研發投入超過100億元,目前在人工智慧領域已有重大突破。
據新華社6月28日消息,張亞勤在天津夏季達沃斯論壇上接受記者采訪時說,網路大腦是網路在人工智慧領域的核心。網路此前發布的諸多人工智慧產品,如無人駕駛、智能搜索等,都是基於網路大腦的能力。網路大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。在數據方面,網路有萬億級的網頁、移動和行為數據可供分析。在深度學習方面,網路的萬億參數排在世界第一。網路正計劃將網路大腦在金融、汽車、醫療等領域商業化。
與此同時,網路的語音識別技術也日臻完善。張亞勤表示,網路通過收集整理大量數據,省去復雜的預處理環節,直接輸入音頻文件,再通過深度神經網路輸出字元,從而大大提高系統運算效率。目前該系統還在收集更多方言及口音信息,擴大訓練數據。
張亞勤認為,人工智慧的「井噴式」創新,將推動互聯網進入第三幕,並將重構傳統產業。比如「人工智慧+金融」,可以快速地實現徵信升級,實現「秒放」貸款等。
㈢ 人工智慧的開源代碼
LISP:像LISP這樣的高級語言在人工智慧中備受青睞，因為在各高校多年的研究後選擇了快速原型而舍棄了快速執行。垃圾收集，動態類型，數據函數，統一的語法，互動式環境和可擴展性等一些特性使得LIST非常適合人工智慧編程。PROLOG:這種語言有著LISP高層和傳統優勢有效結合，這對AI是非常有用的。它的優勢是解決「基於邏輯的問題」。Prolog提供了針對於邏輯相關問題的解決方案，或者說它的解決方案有著簡潔的邏輯特徵。它的主要缺點(恕我直言)是學起來很難。C/C++:就像獵豹一樣，C/C++主要用於對執行速度要求很高的時候。它主要用於簡單程序，統計人工智慧，如神經網路就是一個常見的例子。Backpropagation 只用了幾頁的C/C++代碼，但是要求速度，哪怕程序員只能提升一點點速度也是好的。JAVA:新來者，Java使用了LISP中的幾個理念，最明顯的是垃圾收集。它的可移植性使它可以適用於任何程序，它還有一套內置類型。Java沒有LISP和Prolog高級，又沒有C那樣快，但如果要求可移植性那它是最好的。PYTHON:Python是一種用LISP和JAVA編譯的語言。按照Norvig文章中對Lips和Python的比較，這兩種語言彼此非常相似，僅有一些細小的差別。還有JPthon，提供了訪問Java圖像用戶界面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智慧書籍中程序的的原因。JPython可以讓他使用可移植的GUI演示，和可移植的http/ftp/html庫。因此，它非常適合作為人工智慧語言的。
㈣ 開源人工智慧有何目的
人工智慧是前沿話題，但是人工智慧的發展還是初級階段，好比處於原始社會的醫學。人工智慧的研究范圍很廣，幾大互聯網巨頭的研究方向不一，且在各自的研究方向上也只是剛剛開始，還需要幾代科學家的共同努力，沒有哪家公司有一家獨大的技術優勢。開放程序源代碼，最重要的目的是吸引各路英才研究、測試、改進自家軟體，為下一步騰飛收集數據。
截至目前，臉書（Facebook）、谷歌、微軟、IBM先後開源人工智慧。所謂，開源，即把程序的源代碼開放，任何人都可以隨意拿去使用、修改。
天下無免費的午餐。幾大互聯網公司此舉有何目的？對全球人工智慧發展，又會產生什麼影響呢？
開源什麼
IBM公司12月7日宣布，將通過Apache軟體基金會免費為外部程序員提供System ML（machine learning機器學習）人工智慧工具的源代碼。IBM開發副總裁羅布·托馬斯(Rob Thomas)表示，希望這是System ML廣泛普及的第一步。
據了解，System ML最初由IBM在10年前開發，可以簡化開發人員定製機器學習軟體的難度。例如，該軟體可以幫助銀行編寫風險建模軟體，從而在發現欺詐活動時預先發出警示。目前的版本希望能與另外一個軟體配合使用，幫助企業處理來自智能手機或健身手環的大量數據。
IBM是今年第四家對外開放專有機器學習技術的科技巨頭。臉書2月開放了Torch Software人工智慧軟體的部分內容。谷歌11月開放了TensorFlow系統。該系統可被用於語音識別或照片識別等多項機器深度學習領域，可被運行於由數千台電腦組成的伺服器集群或者單一智能手機之上，目前在搜索、照片以及Inbox郵箱應用等產品中均有使用。
同月，微軟也推出了機器學習開源工具包DMTK。該開源程序可以讓中小企業用幾台電腦，就實現幾千台超級電腦的工作——因為人工智慧需要處理海量大數據。DMTK的全稱是Dstributed Machine Learning Toolkit，即，分布式機器學習工具包。其中一個工具叫LightLDA，是用於大規模主題模型的可擴展、快速、輕量級系統。
微軟表示，「在分布式實現中，做了大量的系統優化使得 LightLDA能夠在一個普通計算機集群上處理超大規模的數據和模型。例如，在一個由8台計算機組成的集群上，可以在具有2000億訓練樣本的數據集上訓練具有100萬詞彙表和100萬個話題(topic)的LDA模型（約1萬億個參數）。」
微軟研究院的小喬治·托馬斯(Jr. George Thomas)表示，藉助這些工具，開發者可以使用較少的伺服器部署大規模的機器學習。
意欲何為
大公司辛辛苦苦研發的軟體，為什麼要免費向公眾開放呢？
業內共識是，各家人工智慧公司都在積極招募機器學習人才，而開放源代碼則可以吸引外部人才參與項目協作，並改進相關技術。他們也有可能從第三方社區中招募一些人才。
托馬斯表示，IBM希望通過開放System ML源代碼，吸引更多程序員運用和研究此軟體，從而加快這款軟體的發展，「我們目前的研發受到預算的限制，所以需要開源，加快創新速度。」
「中國國內的人工智慧研究還沒真正開始，所以對人才也沒發現有巨大的渴求。我們仍然以傳統業務為主，還沒聽說哪個公司要重點發展人工智慧。」BAT一位高管告訴記者。
谷歌公司在官方網站上表示，谷歌希望通過放出這套系統吸引更多研究人員，為其找到新的用武之地，並進行改進，「TensorFlow尚不完備，還需要調整、修改、擴充。」
值得注意的是，雖然該系統轉為開源，但谷歌留下了能讓自家機器學習技術獨樹一幟的東西：巨量的數據、可以運行該軟體的計算機網路，以及一個龐大的人工智慧專家團隊，可以調整演算法。
英國布里斯託大學的人工智慧教授克里斯蒂亞尼尼表示：「谷歌此舉並不是昏了頭。深度學習不是即插即用，它需要做很多測試、調整和適配工作。」
谷歌公開自家系統的重要目的之一，是吸引到更多的人工智慧專家，來為軟體的改進和應用出謀劃策，「這類系統有數百萬個參數需要調整。如果沒有工程師進行這一工作，那麼谷歌這次放出的深度學習演算法用途就極為有限。」
怎麼盈利
各家公司競相開源，讓各家相互之間也可以使用競爭對手的開源程序。
谷歌會用微軟、IBM、Facebook的人工智慧系統，它自己也會被別人用。而且開發者可以把各家開源程序都整合在一起，創造出自己的新系統。
中國國內巨頭互聯網公司也會使用谷歌Facebook微軟IBM等公司開源的程序，進行修改後變成自己的人工智慧程序。但中國國內對人工智慧的研究，並不像美國這樣火熱。「除了網路，國內沒有哪個公司把人工智慧作為單獨事業部。」BAT的技術高管告訴《國際金融報》記者。
人工智慧軟體的研發需耗費大量人力物力，那麼這些開源軟體還能實現商業盈利嗎？
BAT的一位核心技術高管向《國際金融報》記者分析，「就像谷歌安卓系統的開源，用的人多了，周邊相關的東西就多了，谷歌可以從其他地方賺錢，比如提供配套服務，比如廣告，比如專用設備。只要用的人多，就能賺錢。」
「其中廣告是非常重要的收入來源，谷歌開源的系統與安卓有強相關，用的人多了，只要用的人多，就能賺錢。」 該技術高管告訴記者。「也有可能出硬體設備，用的人多了，可能提供專用設備，比如智能硬體，軟體硬體形成更完整的生態系統。」
不過，該技術高管表示，「人工智慧服務的盈利模式還沒有清晰的場景，雖然它能改進和提升已有的系統，但光憑機器學習這個服務本身來賺錢，還沒有清晰模式。」
㈤ 為什麼做AI的都選Python
主要是爬取數據，並把爬回來的數據進行分析和挖掘
㈥ Google 人工智慧引擎 TensorFlow 開源會帶來哪些影響
最直接的影響就是明年又會有一大批"自出創新型"科技項目要上馬了。
說一點感想。。。
一是現在很多大公司都越來越重視DL，所以趕緊多了解了解DL無論是對於相關領域的工作，還是對於未來自己的發展都有好處
二是DL現在一大硬傷在於運算復雜度太高導致的計算時間太長，所以GPU加速這一塊未來也會越來越重要。現在和DL關系比較密切的加速手段也主要就是CUDA，所以CUDA相關的東西也可以多了解了解，未來肯定只會用的越多而不是越少
今年CVPR2015和ICCV2015，不少使用DL的工作識別精確度暴增10%，使得未來如果不是工作上有巨大創新的話，基本上所有人都會向著DL的方向去做了
而且這是一條很難回頭的路，因為實驗結果只能越來越好而不是越來越差，如果你不用DL，那麼你的結果比不過別人，所以很多人雖然心裡不怎麼情願，但也是不得不用DL來做自己的一些工作
㈦ 目前的開源人工智慧項目都有哪些
DMTK是Distributed Machine Learning Toolkit的縮寫（分布式機器學習工具），是微軟旗下的另一款開源人工智慧軟體。為大數據研究而設計，旨在縮短人工智慧系統的訓練時間。DMTK包括三大主要部分：DMTK框架、LightLDA模型演算法與分布式（多感）字嵌入演算法。為了說明DMTK的處理速度，微軟聲稱其可通過一台8節點計算機集群，在有著超過1000億個標記的文檔合集中處理出一個包含100萬主題與1000萬文字（總計10萬億個參數）的主題模型，而這是同類軟體無法匹敵的。
㈧ 百度人工智慧開源，那裡可以找到開源的代碼
網路矽谷實驗室目前已向GitHub上傳了Warp-CTC C代碼庫，鼓勵開發者試用這些代碼。網路表示，代碼將開放給所有從業者。