번역가 | Bugatti
리뷰어 | Sun Shujuan
오픈 소스는 특히 인공 지능 및 기계 학습과 같은 최첨단 분야에서 혁신적인 소프트웨어를 개발할 수 있는 비옥한 기반입니다. 오픈 소스 정신과 협업 도구를 사용하면 팀이 코드와 데이터를 더 쉽게 공유하고 다른 사람의 성공을 기반으로 구축할 수 있습니다.
이 글에서는 인공지능과 머신러닝의 세계를 바꾸고 있는 오픈소스 프로젝트 13개를 소개합니다. 일부는 새로운 알고리즘을 지원하는 정교한 패키지이고 다른 일부는 보다 낮은 수준입니다. 이 모든 것들은 주목할 가치가 있습니다.
AI 및 기계 학습을 위한 오픈 소스 도구 목록은 TensorFlow 및 PyTorch가 없으면 불완전합니다. 개별적으로나 집합적으로 이러한 프레임워크는 기계 학습 및 인공 지능 분야에서 가장 실험적이고 중요한 연구 중 일부를 지원합니다. 이 기사에서 논의된 프로젝트 중 적어도 몇몇은 이를 기본 모듈로 사용합니다.
프로그래밍에 약간의 도움이 필요한 프로그래머는 FauxPilot의 이점을 누릴 수 있습니다. 시스템은 기존 프로덕션 코드에 대해 자체적으로 학습하고 의미 있는 의견과 제안을 제공할 수 있을 만큼 충분히 학습합니다. 이 프로젝트는 GitHub Copilot에서 영감을 얻었지만 FauxPilot을 사용하면 교육에 사용되는 코드 베이스를 선택할 수 있습니다. 이러한 추가 제어 계층은 사용을 승인하지 않은 소스의 코드 조각을 사용하는 것을 방지합니다. 교육 소스를 선택하고 적절한 권한과 라이선스가 있는 소스로 사용을 제한하면 깨끗하고 안정적인 프로그래밍 도움말과 코드 조각을 사용할 가능성이 높아집니다.
기계 학습 모델이 "생각"하는 방식을 이해하는 가장 쉬운 방법 중 하나는 웹에서 수집한 이미지와 텍스트 설명으로 구축된 매우 큰 개방형 모델인 DALL-E에 단어를 입력하는 것입니다. 단어를 입력하면 DALL-E가 일치한다고 생각하는 이미지가 나옵니다. DALL-E Playground 및 DALL-E Mini와 같은 오픈 소스 프로젝트를 통해 사용자는 모델을 더 쉽게 실험할 수 있습니다. 이는 게임의 일부이자 AI 알고리즘의 하부로 들어가는 포털이기도 합니다.
실시간 객체 감지(이미지에서 객체 찾기)는 인공지능의 까다로운 영역입니다. 또한 자율주행차, 로봇, 보조기기 등 정확한 환경 정보를 수집하고 전송해야 하는 분야에서도 매우 중요합니다. YOLOv7은 가장 빠르고 정확한 오픈 소스 객체 감지 도구 중 하나입니다. 도구에 객체가 풍부한 이미지를 제공하고 다음에 무슨 일이 일어나는지 확인하십시오.
Deepfake는 딥 러닝의 도움으로 생성, 변경 또는 합성된 비디오 및 이미지입니다. 가장 일반적인 예는 유명인이나 정치인의 얼굴을 기존 비디오나 이미지로 대체하는 것인데, 이는 종종 재미를 위해, 때로는 더 사악한 목적을 위해 수행됩니다. DeepFaceLab은 Python에서 실행되는 오픈 소스 딥페이크 기술입니다. 한 얼굴을 다른 얼굴로 교체하는 것 외에도 주름 및 기타 노화 징후를 제거하는 데에도 사용할 수 있습니다.
NLP(자연어 처리) 엔진은 신경 검색 및 감정 분석을 수행한 다음 인간과 기계 사용자를 위한 정보를 추출하고 표시합니다. 여전히 투박할 때도 있지만 이 기술은 다양한 애플리케이션과 분야에서 사용할 수 있을 만큼 발전했습니다(Alexa는 하나의 예일 뿐입니다). PaddleNLP는 검색 감정을 수집하고 중요한 엔터티에 레이블을 지정하는 데 사용할 수 있는 인기 있는 오픈 소스 NLP 라이브러리입니다.
AI 성공을 위한 전통적인 접근 방식은 데이터를 데이터베이스에 저장한 다음 이를 추출하여 다른 기계 학습 알고리즘으로 보내는 것입니다. MindsDB는 기계 학습 알고리즘을 데이터베이스에 직접 통합하는 SQL 서버입니다. 데이터베이스 내 기계 학습(즉, 이미 저장된 데이터 분석)은 기계 학습 워크플로우 속도를 높이는 빠르고 효율적인 방법입니다.
사진에 디테일이 많을수록 좋고, 이미지 초해상도는 이미지 해상도를 높여 더 많은 디테일을 추가할 수 있습니다. 이 오픈 소스 도구는 저해상도 이미지의 세부 사항을 추측하도록 훈련할 수 있는 기계 학습 모델을 사용합니다. 좋은 훈련 세트를 사용하면 모델이 정확한 세부 정보와 더 선명한 이미지를 생성할 수 있습니다.
많은 기업과 대기업에서 고객 서비스 일선 직원을 챗봇으로 대체하고 있습니다. 이는 기계가 대화하는 방법을 학습하고 있음을 의미합니다. DeepPavlov는 TensorFlow, Keras, PyTorch와 같은 필수 기계 학습 도구를 결합하여 학습할 수 있는 챗봇을 만듭니다. 결과는 약간 이상하지만 올바른 교육을 받으면 효과가 있는 경우도 있습니다.
3D 모델을 멋진 렌더링 장면으로 바꾸는 가장 좋은 방법은 Blender를 실행하는 것입니다. 많은 사람들이 블렌더를 영화 제작자와 애니메이터를 위한 도구로 생각하지만 이는 응용 AI의 훌륭한 예이기도 합니다. 풍부한 인터페이스와 다양한 플러그인을 통해 복잡한 모션 그래픽이나 영화 같은 장면을 만들 수 있습니다. 약간의 창의성만 있으면 오스카상 후보 지명 위원회에서 곧 전화를 걸 것입니다. AI는 승리의 몫도 요구하지 않습니다.
머신 비전을 탐색하기 위한 가장 신뢰할 수 있는 기반 중 하나는 오픈 소스 컴퓨터 비전 라이브러리 OpenCV입니다. 여기에는 자동차 번호판을 인식하고 읽을 수 있는 것과 같은 특수 루틴뿐만 아니라 디지털 이미지에서 개체를 식별하기 위한 많은 인기 있는 알고리즘이 포함되어 있습니다.
Robocode는 알고리즘에 있어서 The Hunger Games와 같습니다. 이 Java 기반 프로그래밍 게임은 우위를 차지하기 위해 탱크를 다른 탱크와 대결합니다. 이는 재미있는 오락이며 자율 주행 자동차에 대한 새로운 전략을 테스트하는 데 유용할 수도 있습니다.
원본 링크: https://www.infoworld.com/article/3673976/13-open-source-projects-transforming-ai-and-machine-learning.html
위 내용은 AI와 머신러닝 세계를 혁신하는 13가지 오픈소스 프로젝트의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
