【IT168 资讯】“人工智能将会搞一波大事”，类似的话想必你已经听了不下百次了。

　　使用正确的、适当的工具和软件会加速这句话变为现实。使用不同的软件所得到的结果是不同的，你可能会创建出一个功能完全的人工智能算法，也有可能创造出一个带有种族主义、性别歧视的的聊天机器人。(对不起，微软)

　　除此之外，随着人工智能和机器学习等新兴技术的应用需求不断增长，了解不同的AI框架和API也能让开发人员学到更多的新技能。

　　以下工具是大部分人都觉得不错的人工智能工具，包括微软和亚马逊、谷歌等科技巨头的优异产品。

　　1、ai-one

　　ai-one声称是“生物启发智能”，它让开发者可以在大多数软件应用中创建智能助手。

　　ai-one的“分析师工具箱”为开发人员提供了文档库、构建代理和API。ai-one可以将数据转化为一般的规则集，从而支持大量的人工智能和机器学习结构。

　　2、Protege

　　尽管该工具主要面向企业，但Protege有一套开源工具，这对于开发人员来说是非常理想的，可以创建“以知识为基础的应用程序”。

　　针对专家和新手，Protege让开发人员创建、上传、修改和共享应用程序。此外，该公司还设有一个社区，使故障排除变得简单，让开发者之间能够互相交流，协作优化。

　　3、IBM Watson

　　IBM是人工智能领域的重要参与者，其Watson平台为开发者和企业用户提供了一系列工具。

　　作为一套开放的API，Watson用户可以访问大量的样本代码，启动工具包，并且可以构建认知搜索引擎和虚拟代理。

　　Watson还拥有一个针对初学者的聊天机器人平台，它不需要机器学习的技能。Watson甚至还会为聊天机器人提供预先训练的内容，让机器人更快地训练机器人。

　　4、DiffBlue

　　DiffBlue由牛津大学的Daniel Kroening开发，是一个专用的代码自动化平台。这是一个简单却非常有用的工具。

　　它的目标是定位bug、重构代码、执行测试写作、查找和修复代码中的缺陷，所有这些都是通过自动化完成的

　　5、谷歌 TensorFlow

　　TensorFlow是一个专门为机器学习项目设计的开源软件平台。

　　它通过提供一个包含数据流图形的数值计算的库来工作。这让开发人员可以通过多个CPU在移动、桌面和平板设备上部署深度学习框架。

　　TensorFlow包含大量的文档、教程和在线资源，因此对于那些不熟悉平台或Python的人来说，TensorFlow为开发人员提供了大量的支持。

　　6、Nervana Neon

　　Nervana和英特尔已经联合起来，共同建立下一代智能代理和应用程序，而Neon是它的基于python的开源机器学习库。

　　该公司成立于2014年，它让开发者可以在云端构建、培训和部署深度学习技术。

　　Neon有很多视频教程和一个“模型动物园”，它有很多预先训练好的算法和脚本。

　　7、亚马逊网络服务(AWS)

　　去年在旧金山举行的re:invent大会上，亚马逊网络服务(AWS)发布了三种新的人工智能工具包，供开发者使用。

　　AWS Rekognition使用人工智能向应用程序添加图像解释和面部识别功能，这些应用通常被用于生物识别安全功能。

　　Polly使用人工智能将24种语言中的47种声音的语音文本自动化。

　　虽然Lex是亚马逊个人助理Alexa的开源引擎，但允许开发者将聊天机器人整合到网络和移动应用程序中。

　　8、微软

　　同样，今年微软也为开发者提供了三款人工智能工具。它推出了定制语音服务(Custom Speech Service)、内容主持人(Content Moderator)和必应语音API(Bing Speech API)，试图让人工智能“人人都能访问”。

　　微软已经为开发者设计了大约25种工具，这些工具旨在为他们的应用程序添加情绪检测、视觉和语音识别和语言理解。

　　9、OpenNN

　　OpenNN是一个用于实现神经网络的面向有经验的开发人员的C++编程库。

　　它包含大量的文档和教程，包括对神经网络的介绍，尽管OpenNN面向的是拥有大量人工智能经验的开发人员。

　　OpenNN还为高级分析创建了一种工具，称为神经设计器，它的目标是通过创建图形和表格等可视化内容来简化和解释数据条目。

　　10、Apache Spark MLlib

　　Apache Spark MLlib是一个内存数据处理框架。它的特点是拥有一个大型的算法数据库，主要集中在分类、回归、集群和协作过滤。

　　在Apache孵化器中，还有一个名为Singa的开源框架，它为众多机器中的深度学习网络提供了一个编程工具。

　　11、Caffe

　　Caffe是另一个深度学习框架，它为开发者提供基于图像的自动检测工具。它是由伯克利视觉和学习中心(BVLC)和一个开发者社区共同开发的。该框架目前已经被用作“学术研究项目、创业原型，甚至是在视觉、语言和多媒体领域的大规模工业应用”。值得注意的用户包括Facebook和Pinterest。

　　12、Veles

　　作为三星分布式深度学习平台的一部分，Veles是用C++编写的，并使用Python来进行节点之间的协调。

　　Veles为开发人员提供了一种API，该API可以立即使用，并由训练有素的模型组成，可以用于数据分析。

　　13、Apache Mahout

　　主要面向想要创建可扩展的机器学习应用程序的开发者，Mahout允许用户使用它的预成型算法，用于Apache Spark、H20和Apache Flink。

　　像大多数工具一样，Mahout有很多有用的教程和资源，对于学习开发人员来说是非常理想的。

　　14、Microsoft Azure

　　Azure机器学习服务的最好部分的就是“Azure机器学习工作室”。这个平台让开发者可以轻松地拖放数据集，并部署预测分析，而无需复杂的机器学习经验。

　　微软还提供了Cortana Intelligence，这是一款完全管理大数据和分析的套件，这意味着你可以将你的数据转化为有意义的信息和行动。