算法实现太难了？机器学习也需要开源软件

译者 | 刘畅

出品 | AI科技大本营（ID:rgznai100）

导读：开源工具已经趋于成熟，这使其能构建大规模的自然场景下的系统。与此同时，机器学习领域为各种应用开发了大量强大的学习算法。但是，由于没有公开共享现有的实现方式，去真正的利用这些方法，从而导致软件的可用性和互操性较弱。

开源背后的思想

开源软件的基本思想非常简单；程序员或用户可以阅读，修改和重新分发软件的源代码。尽管有各种开源软件许可，但它们都有一个共同的出发点，那就是允许自由交换和使用信息。开源模型更注重贡献者的协作。每个贡献者都可以利用 络中其他人所做的工作，从而最大程度地减少“重新造轮子”所花费的时间。

开源的软件主要有下面的10个属性：

1.免费重新使用

2.源代码

3.衍生作品

5.不歧视个人或群体

6.不歧视工作领域

7.许可证的分配

8.许可不得用于特定产品

9.许可不得限制其他软件

10.许可必须是技术中立的

开源 区当前主要的障碍

1、发布软件不能够被视为一种科学贡献

2、公开与商业利益存在根源上的冲突

3、发布开源软件的激励措施没有足够高

4、机器学习研究人员不是一个优秀的程序员

5、这种松懈能掩盖新方法的问题，并降低会议和期刊的接收难度

6、存在一种习惯，对质量相似的论文采用相同的处理方法

结论

推荐阅读

• 华为麒麟将成“绝版”，造芯为什么这么难/p>

• 用Bi-GRU语义解析，实现中文人物关系分析

• 图解Transformer，读完这篇就够了

• 马小峰：金融科技界的区块链博士

• 2019年中国IaaS公有云市场排名及份额出炉

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览33949 人正在系统学习中