Künstliche Intelligenz

10 kostenlose KI-Tools für Entwickler

Thomas Joos ist freiberuflicher IT-Consultant und seit 20 Jahren in der IT tätig. Er schreibt praxisnahe Fachbücher und veröffentlicht in zahlreichen IT-Publikationen wie TecChannel.de und PC Welt.
Mit frei verfügbaren Open-Source-Tools können Entwickler die Erfahrungen von Google oder Facebook nutzen und künstliche Intelligenz in ihre Anwendungen einbauen.

Entwickler, die sich mit dem Thema künstliche Intelligenz und Machine Learning auseinandersetzen, können beispielsweise Apps für eine bessere Spracherkennung schreiben oder ihre selbst entwickelten Anwendungen auf eine neue Ebene heben. Dieser Artikel gibt einen Überblick über einige der bekanntesten Open-Source-Lösungen.

Mit Open-Source-Tools können Entwickler KI- und Machine-Learning-Features in ihre Anwendungen integrieren.
Mit Open-Source-Tools können Entwickler KI- und Machine-Learning-Features in ihre Anwendungen integrieren.
Foto: Besjunior - shutterstock.com

Entwickler können damit auf die Erfahrungen von Softwareriesen wie Google oder Facebook zurückgreifen, um eigene Apps mit künstlicher Intelligenz auszustatten. Die Frameworks arbeiten mit den aktuell verbeitetsten Entwicklungsumgebungen und Programmiersprachen zusammen. In den meisten Fällen sind also keine neuen Kenntnisse notwendig, um die eigenen Apps effektiver und intelligenter zu machen.

Deep-Learning-Framework Caffe2

Das Deep-Learning Framework Caffe wurde ursprünglich an der University of California entwickelt. Der Erfinder ist mittlerweile bei Facebook angestellt. Er ist für die Entwicklung von Software für KI zuständig. Facebook treibt die Entwicklung von Caffee stark voran. Damit die Lösung über genügend Leistung verfügt, werden Grafikprozessoren von NVidia genutzt. Die Software steht als Open-Source-System zur Verfügung.

Das Deep Learning Framework Cafee2 ermöglicht eine bessere Spracherkennung und das Erstellen von KI-Apps.
Das Deep Learning Framework Cafee2 ermöglicht eine bessere Spracherkennung und das Erstellen von KI-Apps.
Foto: caffe2

Caffe kann zum Beispiel für Spracherkennung, das Erkennen und Einordnen von Bildern oder für die Entwicklung von natürlichen Sprachen in KI-Geräten genutzt werden. Wer mit künstlicher Intelligenz experimentieren will, ist bei Caffe2 gut aufgehobenn. Die Entwickler stellen Vorlagen zur Verfügung, mit denen sich der Einsatz testen lässt. Caffe besitzt Schnittstellen zu C++ und Python. Caffe2 kann auch für neuronale Netzwerke genutzt werden und funktioniert generell auch mit Smartphones.

Die Software ist auch für Facebook enorm wichtig, da das soziale Netzwerk in Zukunft mehr auf Augmented Reality (AR) setzen will. Mithilfe von AR lässt sich die künstliche Welt mit der echten Welt kombinieren, sodass neue Arten von Programmen entstehen, die mit der realen Welt interagieren können.

scikit-learn - Machine Learning mit Python

Die Library scikit-learn, abgeleitet von SciPy Toolkit, baut auf der Programmiersprache Python auf. Pakete wie NumPy, SciPy, oder Matplotlib werden von Scikit-learn genutzt, um mathematische, wissenschaftliche oder statistische Programme in Python zu schreiben. Auch für das Data Mining und zur Datenanalyse kann scikit-learn genutzt werden.

Scikit-learn kann KI-Funktionen in Apps integrieren.
Scikit-learn kann KI-Funktionen in Apps integrieren.
Foto: scikit-learn

Scit-learn steht unter der BSD-Lizenz kostenlos zur Verfügung. Auch diese Lösung ist in der Lage, Anwendungen für die künstliche Intelligenz zu erstellen. Ein Beispiel ist das Erkennen von Bots oder Entwickeln von Apps für Sprachassistenten und anderer Lösungen für die künstliche Intelligenz. Scikit-learn kann also von Computerprogrammen erstellte Nachrichten im Internet von menschlich erstellten Texten unterscheiden.

Wer auf Basis von Python mit Machine Learning und künstlicher Intelligenz arbeiten will, sollte sich die Möglichkeiten von Scikit-Learning ansehen. Die Anbieter stellen auch verschiedene Tutorials zur Verfügung, mit denen sich Entwickler die Arbeit mit Python und scikit-learn aneignen können. Durch die aktive Community und die ausgearbeitete Dokumentation lassen sich schnell Ergebnisse erzielen. Scikit-Learn arbeitet auch mit anderen Paketen zusammen, zum Beispiel Pandas oder TensorFlow.

Die Programme und Funktionen, die mit scikit-learn geschrieben werden, lassen sich auch in andere Programme integrieren. Dadurch können Programme KI-Funktionen erhalten, die ohne scitkit-learn nicht dazu in der Lage waren.