2015年1月，美国Facebook人工智能研究院开源了一系列软件库^[1]，以帮助开发者建立更大、更快的深度学习模型。这些软件库可替代机器学习领域常用的开发环境Torch中的默认模块，可在更短的时间内训练更大规模的神经网络模型。Facebook这项举措代表了机器学习领域的一股趋势——开源项目正在兴起。这股趋势中还有4个项目值得关注》^[2]：

1、“深潜”（DeepDive）。2014年12月，美国国防部高级研究计划局（DARPA）资助了一个名为DeepDive的开源计划，旨在开发出能在人类指导下建立起决策能力的计算系统。DeepDive的主要目标是开发一个能够对非结构化数据进行分类的自动化系统，例如对科技期刊中的论文进行分类。该系统已经可以从Web页面和PDF文档等大量传统数据源中抓取数据，而熟悉SQL和Python语言的开发人员则可以深入利用DeepDive。

2、非结构化信息管理（UIMA）及“优答智能问答”（YodaQA）。UIMA是阿帕奇软件基金会（Apache Software Foundation）制定的一种用于文本内容分析的标准，能够支持多种编程语言，IBM的沃森（Waston）机器学习系统就基于阿帕奇软件基金会的UIMA开源架构。阿帕奇软件基金会的UIMA还不是一项完整的机器学习方案，而其在2014年1月发起的子项目YodaQA则更接近机器学习，YodaQA利用维基百科作为主要数据源、并利用UIMA处理数据。

3、“开放认知”（OpenCog）。OpenCog是GNU（一项旨在开发类Unix操作系统的自由软件工程项目）Affero通用公共许可协议下的一个开源项目，旨在为科研人员和软件开发人员提供一个共同平台，进而开发和共享人工智能软件。OpenCog始于2008年，目前已被科研机构和商业机构应用于自然语言处理中。

4、“问答系统开放进展”（OAQA）。OAQA是由IBM和卡耐基梅隆大学于2011年共同发起的开源项目，旨在开发用于开发自然语言问答系统的工具箱。OAQA也采用UIMA框架，并为IBM公司的沃森机器学习系统提供了许多借鉴。                              

（唐川）