13 projets open source qui révolutionnent le monde de l'IA et du machine learning

Traducteur | Bugatti

Critique | Sun Shujuan

L'open source est un terrain fertile pour le développement de logiciels révolutionnaires, notamment dans des domaines de pointe tels que l'intelligence artificielle et l'apprentissage automatique. La philosophie open source et les outils de collaboration permettent aux équipes de partager plus facilement du code et des données et de s'appuyer sur le succès des autres.

Cet article présente 13 projets open source qui remodèlent le monde de l'intelligence artificielle et de l'apprentissage automatique. Certains sont des packages sophistiqués prenant en charge de nouveaux algorithmes, d’autres sont plus discrets. Tout cela mérite d’être surveillé.

TensorFlow et PyTorch

Une liste d'outils open source pour l'IA et l'apprentissage automatique est incomplète sans TensorFlow et PyTorch. Individuellement et collectivement, ces cadres soutiennent certaines des recherches les plus expérimentales et les plus importantes en matière d'apprentissage automatique et d'intelligence artificielle. Au moins plusieurs des projets abordés dans cet article les utilisent comme modules de base.

FauxPilot

Les programmeurs qui ont besoin d'un peu d'aide pour la programmation peuvent bénéficier de FauxPilot. Le système s'entraîne sur le code de production existant et en apprend suffisamment pour faire des commentaires et des suggestions significatifs. Le projet a été inspiré par GitHub Copilot, mais FauxPilot vous permet de choisir la base de code utilisée pour la formation. Cette couche de contrôle supplémentaire vous empêche d'utiliser des extraits de code provenant de sources qui pourraient ne pas approuver leur utilisation. Si vous choisissez une source de formation et limitez son utilisation à celles disposant des autorisations et licences appropriées, vous êtes plus susceptible d'utiliser une aide à la programmation et des extraits de code propres et fiables.

DALL-E

L'un des moyens les plus simples de comprendre comment un modèle d'apprentissage automatique « pense » est de commencer à introduire des mots dans DALL-E, un très grand modèle ouvert construit avec des images et des descriptions textuelles collectées sur le Web. Entrez un mot et vous obtenez une image qui, selon DALL-E, correspond. Les projets open source tels que DALL-E Playground et DALL-E Mini permettent aux utilisateurs d'expérimenter plus facilement les modèles. C’est en partie un jeu et en partie un portail vers les entrailles des algorithmes d’IA.

YOLOv7

La détection d'objets en temps réel (trouver des objets dans des images) est un domaine délicat de l'intelligence artificielle. Cela est également essentiel pour des domaines tels que les véhicules autonomes, les robots et les appareils d’assistance qui doivent collecter et transmettre des informations environnementales précises. YOLOv7 est l'un des outils de détection d'objets open source les plus rapides et les plus précis. Nourrissez simplement l'outil avec un tas d'images riches en objets et voyez ce qui se passe ensuite.

DeepFaceLab

Les Deepfakes sont des vidéos et des images créées, modifiées ou synthétisées à l'aide du deep learning. L’exemple le plus courant consiste à remplacer le visage d’une célébrité ou d’un homme politique par une vidéo ou une image existante, souvent pour le plaisir mais parfois à des fins plus néfastes. DeepFaceLab est une technologie open source de deepfakes fonctionnant sur Python. En plus de remplacer un visage par un autre, il peut également être utilisé pour éliminer les rides et autres signes du vieillissement.

PaddleNLP

Le moteur de traitement du langage naturel (NLP) effectue une recherche neuronale et une analyse des sentiments, puis extrait et présente des informations pour les utilisateurs humains et machines. Bien qu’elle soit parfois encore maladroite, la technologie est devenue suffisamment avancée pour être utilisée dans une variété d’applications et de domaines (Alexa n’est qu’un exemple). PaddleNLP est une bibliothèque NLP open source populaire que vous pouvez utiliser pour collecter les sentiments de recherche et étiqueter les entités importantes.

MindsDB

L'approche traditionnelle du succès de l'IA consiste à stocker des données dans une base de données, puis à les extraire et à les envoyer à un autre algorithme d'apprentissage automatique. MindsDB est un serveur SQL qui intègre des algorithmes d'apprentissage automatique directement dans la base de données. L'apprentissage automatique dans la base de données (c'est-à-dire l'analyse des données là où elles sont déjà stockées) est un moyen rapide et efficace d'accélérer votre flux de travail d'apprentissage automatique.

Super-résolution d'image (ISR)

Plus il y a de détails dans une photo, mieux c'est, et la super-résolution d'image peut ajouter plus de détails en augmentant la résolution de l'image. Cet outil open source utilise un modèle d'apprentissage automatique que vous pouvez entraîner à deviner les détails des images basse résolution. Avec un bon ensemble de formation, le modèle peut produire des détails précis et des images plus claires.

DeepPavlov

De nombreuses entreprises et grandes entreprises remplacent les employés de première ligne du service client par des chatbots, ce qui signifie que les machines apprennent à tenir des conversations. DeepPavlov combine des outils d'apprentissage automatique essentiels tels que TensorFlow, Keras et PyTorch pour créer des chatbots dont vous pouvez apprendre. Les résultats sont un peu bizarres, mais avec la bonne formation, ils fonctionnent parfois.

Bledner

Une excellente façon de transformer vos modèles 3D en de superbes scènes rendues est de lancer Blender. Bien que beaucoup considèrent Blender comme un outil destiné aux cinéastes et aux animateurs, il s’agit également d’un excellent exemple d’IA appliquée. Une interface riche et de nombreux plug-ins permettent de créer des animations graphiques ou des scènes cinématiques complexes. Il suffit d'un peu de créativité, et le comité de nomination aux Oscars va bientôt appeler. L'IA ne demandera même pas de part de la victoire.

OpenCV

L'une des bases les plus fiables pour explorer la vision industrielle est la bibliothèque open source de vision par ordinateur OpenCV. Il comprend de nombreux algorithmes populaires pour identifier les objets dans les images numériques, ainsi que des routines spécialisées, comme celle capable de reconnaître et de lire les plaques d'immatriculation des voitures.

Robocode

Robocode est comme The Hunger Games pour vos algorithmes. Ce jeu de programmation basé sur Java oppose votre tank à d'autres tanks dans une bataille pour la domination. C'est un passe-temps amusant et pourrait même être utile pour tester de nouvelles stratégies pour les voitures autonomes.

Lien original : https://www.infoworld.com/article/3673976/13-open-source-projects-transforming-ai-and-machine-learning.html

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!