㈠ 如何评价谷歌将其人工智能引擎开源
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。[1]
㈡ 百度开源的Warp-CTC人工智能技术，到底是什么鬼
随着阿法狗大战李世石,人工智能引发越来越多的关注。网络总裁张亚勤28日表示,网络长期坚持技术创新,2015年研发投入超过100亿元,目前在人工智能领域已有重大突破。
据新华社6月28日消息,张亚勤在天津夏季达沃斯论坛上接受记者采访时说,网络大脑是网络在人工智能领域的核心。网络此前发布的诸多人工智能产品,如无人驾驶、智能搜索等,都是基于网络大脑的能力。网络大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面,网络有万亿级的网页、移动和行为数据可供分析。在深度学习方面,网络的万亿参数排在世界第一。网络正计划将网络大脑在金融、汽车、医疗等领域商业化。
与此同时,网络的语音识别技术也日臻完善。张亚勤表示,网络通过收集整理大量数据,省去复杂的预处理环节,直接输入音频文件,再通过深度神经网络输出字符,从而大大提高系统运算效率。目前该系统还在收集更多方言及口音信息,扩大训练数据。
张亚勤认为,人工智能的“井喷式”创新,将推动互联网进入第三幕,并将重构传统产业。比如“人工智能+金融”,可以快速地实现征信升级,实现“秒放”贷款等。
㈢ 人工智能的开源代码
LISP:像LISP这样的高级语言在人工智能中备受青睐，因为在各高校多年的研究后选择了快速原型而舍弃了快速执行。垃圾收集，动态类型，数据函数，统一的语法，交互式环境和可扩展性等一些特性使得LIST非常适合人工智能编程。PROLOG:这种语言有着LISP高层和传统优势有效结合，这对AI是非常有用的。它的优势是解决“基于逻辑的问题”。Prolog提供了针对于逻辑相关问题的解决方案，或者说它的解决方案有着简洁的逻辑特征。它的主要缺点(恕我直言)是学起来很难。C/C++:就像猎豹一样，C/C++主要用于对执行速度要求很高的时候。它主要用于简单程序，统计人工智能，如神经网络就是一个常见的例子。Backpropagation 只用了几页的C/C++代码，但是要求速度，哪怕程序员只能提升一点点速度也是好的。JAVA:新来者，Java使用了LISP中的几个理念，最明显的是垃圾收集。它的可移植性使它可以适用于任何程序，它还有一套内置类型。Java没有LISP和Prolog高级，又没有C那样快，但如果要求可移植性那它是最好的。PYTHON:Python是一种用LISP和JAVA编译的语言。按照Norvig文章中对Lips和Python的比较，这两种语言彼此非常相似，仅有一些细小的差别。还有JPthon，提供了访问Java图像用户界面的途径。这是PeterNorvig选择用JPyhton翻译他人工智能书籍中程序的的原因。JPython可以让他使用可移植的GUI演示，和可移植的http/ftp/html库。因此，它非常适合作为人工智能语言的。
㈣ 开源人工智能有何目的
人工智能是前沿话题，但是人工智能的发展还是初级阶段，好比处于原始社会的医学。人工智能的研究范围很广，几大互联网巨头的研究方向不一，且在各自的研究方向上也只是刚刚开始，还需要几代科学家的共同努力，没有哪家公司有一家独大的技术优势。开放程序源代码，最重要的目的是吸引各路英才研究、测试、改进自家软件，为下一步腾飞收集数据。
截至目前，脸书（Facebook）、谷歌、微软、IBM先后开源人工智能。所谓，开源，即把程序的源代码开放，任何人都可以随意拿去使用、修改。
天下无免费的午餐。几大互联网公司此举有何目的？对全球人工智能发展，又会产生什么影响呢？
开源什么
IBM公司12月7日宣布，将通过Apache软件基金会免费为外部程序员提供System ML（machine learning机器学习）人工智能工具的源代码。IBM开发副总裁罗布·托马斯(Rob Thomas)表示，希望这是System ML广泛普及的第一步。
据了解，System ML最初由IBM在10年前开发，可以简化开发人员定制机器学习软件的难度。例如，该软件可以帮助银行编写风险建模软件，从而在发现欺诈活动时预先发出警示。目前的版本希望能与另外一个软件配合使用，帮助企业处理来自智能手机或健身手环的大量数据。
IBM是今年第四家对外开放专有机器学习技术的科技巨头。脸书2月开放了Torch Software人工智能软件的部分内容。谷歌11月开放了TensorFlow系统。该系统可被用于语音识别或照片识别等多项机器深度学习领域，可被运行于由数千台电脑组成的服务器集群或者单一智能手机之上，目前在搜索、照片以及Inbox邮箱应用等产品中均有使用。
同月，微软也推出了机器学习开源工具包DMTK。该开源程序可以让中小企业用几台电脑，就实现几千台超级电脑的工作——因为人工智能需要处理海量大数据。DMTK的全称是Dstributed Machine Learning Toolkit，即，分布式机器学习工具包。其中一个工具叫LightLDA，是用于大规模主题模型的可扩展、快速、轻量级系统。
微软表示，“在分布式实现中，做了大量的系统优化使得 LightLDA能够在一个普通计算机集群上处理超大规模的数据和模型。例如，在一个由8台计算机组成的集群上，可以在具有2000亿训练样本的数据集上训练具有100万词汇表和100万个话题(topic)的LDA模型（约1万亿个参数）。”
微软研究院的小乔治·托马斯(Jr. George Thomas)表示，借助这些工具，开发者可以使用较少的服务器部署大规模的机器学习。
意欲何为
大公司辛辛苦苦研发的软件，为什么要免费向公众开放呢？
业内共识是，各家人工智能公司都在积极招募机器学习人才，而开放源代码则可以吸引外部人才参与项目协作，并改进相关技术。他们也有可能从第三方社区中招募一些人才。
托马斯表示，IBM希望通过开放System ML源代码，吸引更多程序员运用和研究此软件，从而加快这款软件的发展，“我们目前的研发受到预算的限制，所以需要开源，加快创新速度。”
“中国国内的人工智能研究还没真正开始，所以对人才也没发现有巨大的渴求。我们仍然以传统业务为主，还没听说哪个公司要重点发展人工智能。”BAT一位高管告诉记者。
谷歌公司在官方网站上表示，谷歌希望通过放出这套系统吸引更多研究人员，为其找到新的用武之地，并进行改进，“TensorFlow尚不完备，还需要调整、修改、扩充。”
值得注意的是，虽然该系统转为开源，但谷歌留下了能让自家机器学习技术独树一帜的东西：巨量的数据、可以运行该软件的计算机网络，以及一个庞大的人工智能专家团队，可以调整算法。
英国布里斯托大学的人工智能教授克里斯蒂亚尼尼表示：“谷歌此举并不是昏了头。深度学习不是即插即用，它需要做很多测试、调整和适配工作。”
谷歌公开自家系统的重要目的之一，是吸引到更多的人工智能专家，来为软件的改进和应用出谋划策，“这类系统有数百万个参数需要调整。如果没有工程师进行这一工作，那么谷歌这次放出的深度学习算法用途就极为有限。”
怎么盈利
各家公司竞相开源，让各家相互之间也可以使用竞争对手的开源程序。
谷歌会用微软、IBM、Facebook的人工智能系统，它自己也会被别人用。而且开发者可以把各家开源程序都整合在一起，创造出自己的新系统。
中国国内巨头互联网公司也会使用谷歌Facebook微软IBM等公司开源的程序，进行修改后变成自己的人工智能程序。但中国国内对人工智能的研究，并不像美国这样火热。“除了网络，国内没有哪个公司把人工智能作为单独事业部。”BAT的技术高管告诉《国际金融报》记者。
人工智能软件的研发需耗费大量人力物力，那么这些开源软件还能实现商业盈利吗？
BAT的一位核心技术高管向《国际金融报》记者分析，“就像谷歌安卓系统的开源，用的人多了，周边相关的东西就多了，谷歌可以从其他地方赚钱，比如提供配套服务，比如广告，比如专用设备。只要用的人多，就能赚钱。”
“其中广告是非常重要的收入来源，谷歌开源的系统与安卓有强相关，用的人多了，只要用的人多，就能赚钱。” 该技术高管告诉记者。“也有可能出硬件设备，用的人多了，可能提供专用设备，比如智能硬件，软件硬件形成更完整的生态系统。”
不过，该技术高管表示，“人工智能服务的盈利模式还没有清晰的场景，虽然它能改进和提升已有的系统，但光凭机器学习这个服务本身来赚钱，还没有清晰模式。”
㈤ 为什么做AI的都选Python
主要是爬取数据，并把爬回来的数据进行分析和挖掘
㈥ Google 人工智能引擎 TensorFlow 开源会带来哪些影响
最直接的影响就是明年又会有一大批"自出创新型"科技项目要上马了。
说一点感想。。。
一是现在很多大公司都越来越重视DL，所以赶紧多了解了解DL无论是对于相关领域的工作，还是对于未来自己的发展都有好处
二是DL现在一大硬伤在于运算复杂度太高导致的计算时间太长，所以GPU加速这一块未来也会越来越重要。现在和DL关系比较密切的加速手段也主要就是CUDA，所以CUDA相关的东西也可以多了解了解，未来肯定只会用的越多而不是越少
今年CVPR2015和ICCV2015，不少使用DL的工作识别精确度暴增10%，使得未来如果不是工作上有巨大创新的话，基本上所有人都会向着DL的方向去做了
而且这是一条很难回头的路，因为实验结果只能越来越好而不是越来越差，如果你不用DL，那么你的结果比不过别人，所以很多人虽然心里不怎么情愿，但也是不得不用DL来做自己的一些工作
㈦ 目前的开源人工智能项目都有哪些
DMTK是Distributed Machine Learning Toolkit的缩写（分布式机器学习工具），是微软旗下的另一款开源人工智能软件。为大数据研究而设计，旨在缩短人工智能系统的训练时间。DMTK包括三大主要部分：DMTK框架、LightLDA模型算法与分布式（多感）字嵌入算法。为了说明DMTK的处理速度，微软声称其可通过一台8节点计算机集群，在有着超过1000亿个标记的文档合集中处理出一个包含100万主题与1000万文字（总计10万亿个参数）的主题模型，而这是同类软件无法匹敌的。
㈧ 百度人工智能开源，那里可以找到开源的代码
网络硅谷实验室目前已向GitHub上传了Warp-CTC C代码库，鼓励开发者试用这些代码。网络表示，代码将开放给所有从业者。