Java та AI. Чи можна написати штучний інтелект Java?

Продовжуємо говорити про застосування Java в найбільш гарячих і трендових нішах ІТ-ринку. Про те, як Java застосовується в Інтернеті речей , хмарних сервісах , великих даних і блокчейне , ми вже писали. На черзі ще одна суперцікава та важлива ніша – штучний інтелект (ІІ). “Штучний інтелект буде досконалою версією Google. Досконала пошукова система, яка знає про все в Мережі, ідеально розуміє, чого ви хочете, і дає це вам. Зараз ми досі досить далекі від цього. Але ми працюємо і поступово наближаємося до втілення цієї ідеї.” Ларрі Пейдж (Larry Page), один із засновників Google.

Чому Java популярний серед AI-розробки?

У сфері ІІ використовується досить багато мов програмування, але Java безперечно одна з найпопулярніших. Зокрема, Java застосовують при створенні рішень для машинного навчання, нейронних мереж, алгоритмів пошуку, генетичного програмування та мульти-робототехнічних систем. Такі властивості, як об'єктно-орієнтованість і масштабованість, обов'язкові для ІІ-проектів, а тому Java підходить їм якнайкраще. Оскільки сьогодні ІІ-технології вже активно застосовуються бізнесом, дуже потрібні можливості Java, що дозволяють створити єдину версію програми, яка працюватиме на кількох платформах. Ще однією перевагою Java у програмуванні ІІ є здатність кодувати різні типи алгоритмів. Та й інші сильні сторони та переваги Java, які ми вже не раз згадували, потрібні у сфері ІІ-розробки. Серед них – простота створення та налагодження коду, спрощена робота з великомасштабними проектами, спрощена візуалізація, а також наявність Swing та SWT (Standard Widget Toolkit). Ці функції дозволяють створювати привабливу складну графіку та інтерфейси. “Штучний інтелект розвивається неймовірними темпами. Якщо у вас немає прямого контакту з групами вчених, які працюють над ІІ, ви навіть не уявляєте, наскільки швидко прогрес зростає зі швидкістю, близькою до експоненційної.” Ілон Маск, засновник компаній SpaceX та Tesla Motors.

AI-проекти на Java

Java-код використовується багатьма проектами, пов'язаними з тією чи іншою областю ІІ. Ось кілька цікавих прикладів.

• Мобільні роботи для досліджень полярного кола

  За допомогою Java API вчені створабо цілу низку мобільних роботів, які використовуються для досліджень у районі Полярного кола — у Гренландії та Антарктиці. Звичайно, технології Java застосовуються і при розробці інших мобільних автономних роботів, але у випадку з пристроями для досліджень полярного кола в Мережі є багато відкритої інформації.

  Так, GUI (графічний інтерфейс користувача) даних роботів розробляється з допомогою інструментів Java Swing. Оскільки Swing є простим у використанні і може безпосередньо взаємодіяти з компонентами, ця платформа була обрана для забезпечення засобів управління роботом та його моніторингу.

• JOONE Neural Engine

  JOONE Neural Engine (Java Object Oriented Neural Engine) – це популярна мультиплатформа, яка дозволяє створювати, навчати та тестувати нейронні мережі.

  Joone складається з компонентної архітектури, тобто базується на компонентах, що доповнюються, які можуть бути розширені з метою побудови нових алгоритмів і архітектур нейронних мереж.

  Компоненти є кодовими модулями, які додаються створення інформаційного потоку. Нові компоненти можуть бути додані або від'єднані. Крім того, Joone має GUI-додаток, що дозволяє графічно створювати та тестувати будь-які нейронні мережі, а також розподілене середовище навчання, яке дозволяє тренувати нейронні мережі на багатьох віддалених машинах.

• Robocode

  Robocode – це досить стара, широко відома та все ще популярна гра на основі Java з відкритим вихідним кодом, яка дозволяє користувачам вивчати принципи Java-програмування. Вона також добре підходить для вивчення базових принципів робототехніки та штучного інтелекту.

  У Robocode гравець створює власного робота-танку, програмує його стратегію та розробляє програмний інтелект, змагаючись із роботами інших користувачів. Вперше створена ще 2000-го року, Robocode і досі є однією з найпопулярніших і найвідоміших ігор для програмістів.

• WEKA Machine Learning Suite

  Machine Learning Suite — це відкритий список алгоритмів, які використовуються для розробки методів машинного навчання. Усі алгоритми WEKA заточені під машинне навчання та інтелектуальний аналіз даних.

  Зараз набір WEKA Machine Learning Suite широко використовується у бізнес-середовищі, надаючи компаніям спрощений аналіз даних та передиктивну аналітику.

• Чат-бот Alice

  Чат-бот ALICE (Artificial Linguistic Internet Computer Entity), також відомий як Alicebot або просто Alice, - це програма, здатна вести діалог з людиною природною мовою. Створена на кшталт першої програми-співрозмовника ELIZA, вона використовує техніку евристичного зіставлення фрази користувача зі зразками основою знань. ALICE вважається одним із найкращих чат-ботів, вона тричі ставала переможцем премії Лебнера (премія Лебнера присуджується переможцю щорічного конкурсу AI Loebner, у якому програми змагаються у проходженні тесту Тьюринга).

“Ми називаємо це штучним інтелектом, але насправді ця технологія покращує та доповнює наш інтелект. Тому замість штучного інтелекту я називала б її доповненим інтелектом.” Джіні Рометті (Ginni Rometty), СЕО компанії IBM

ІІ бібліотеки на Java

Треба сказати, що сьогодні втілювати в життя рішення на базі тих чи інших технологій зі сфери ІІ може практично будь-який підкований Java-програміст, який має базові знання традиційних алгоритмів і концепцій Java. Для цього існує ціла маса відкритих бібліотек Java, які допоможуть реалізувати безліч досить складних функцій. Слід лише відзначити, що ІІ в цілому — це досить широка область, і сьогодні ми поговоримо про Java-бібліотеки в найбільш популярних нішах ІІ, таких як обробка природної мови, машинне навчання, нейронні мережі тощо.

Експертні системи

В ІІ експертними системами називаються комп'ютерні системи, які емулюють здатність людини приймати рішення.

• Apache Jena

  Apache Jena – це відкритий Java-фреймворк для створення семантичних мереж та додатків пов'язаних даних на основі моделі RDF. На офіційному сайті Apache Jena можна знайти докладний посібник із використання цього фреймворку з коротким описом специфікації RDF.

• PowerLoom

  PowerLoom (PowerLoom Knowledge Representation and Reasoning System) – це платформа для створення інтелектуальних, що базуються на знаннях додатків. PowerLoom використовує мову уявлення знань (варіант KIF), основу якого лежить природний механізм дедукції. Цей механізм вміє створювати логічний ланцюжок щоб одержати висновків з урахуванням фактів і правил, зазначених у основі знань.

• D3web

  D3web – це семантичний механізм міркувань з відкритим вихідним кодом для розробки, тестування та застосування фактичних знань у конкретній ситуації. D3web включає цілу низку комплексних алгоритмів. На офіційному сайті можна знайти короткий вступ до платформи з безліччю прикладів її застосування та документацією.

“Я думаю, що штучний інтелект – це практично гуманітарна дисципліна. Насправді це ні що інше як спроба зрозуміти людський інтелект і свідомість людини. Себастьян Трун (Sebastian Thrun), експерт у комп'ютерних науках та голова компанії Kitty Hawk Corporation.

Нейронні мережі

• Neuroph

  Neuroph – це бібліотека з відкритим вихідним кодом для створення нейронних мереж та використання машинного навчання, написана на Java.

  Користувачі Neuroph можуть створювати нейромережі через наданий графічний інтерфейс або за допомогою Java-коду. На сайті Neuroph є документація, в якій також докладно пояснюється, що таке нейронна мережа насправді та як вона працює.

• Deeplearning4j

  Deeplearning4j – це бібліотека глибокого навчання для JVM, яка також надає API для створення нейронних мереж. На сайті Deeplearning4j можна знайти безліч навчальних посібників та теорії, щоб поглибити пізнання у сфері глибокого навчання та нейромереж.

Обробка природної мови

• Apache OpenNLP

  Apache OpenNLP — це інструментарій для обробки тексту природною мовою, заснований на технології машинного навчання. На сайті є документація з інформацією про те, як використовувати цю бібліотеку.

• Stanford CoreNLP

  Stanford CoreNLP - це один з найпопулярніших фреймворків для обробки природної мови, який включає безліч інструментів для виконання завдань у цій галузі.

"Року роботи у сфері штучного інтелекту достатньо, щоб змусити людину повірити в Бога." Алан Перліс (Alan Perlis), експерт у комп'ютерних науках та викладач в Університеті Пердью, Університеті Карнегі-Меллона та Єльському університеті.

Машинне навчання

• Java Machine Learning Library (Java-ML)

  Java-ML – це відкритий Java фреймворк, який містить цілий набір різних алгоритмів машинного навчання програмістів. На сайті проекту можна знайти офіційну документацію з туторіалами щодо можливостей застосування Java-ML з прикладами коду.

• Weka

  Weka це колекція алгоритмів машинного навчання, які можна застосовувати безпосередньо до датасету через наданий графічний інтерфейс або викликати через API.

• RapidMiner

  RapidMiner - це платформа для обробки даних, що надає різні алгоритми машинного навчання через GUI та Java API. У Мережі можна знайти безліч посібників та інших матеріалів про застосування RapidMiner.

• Генетичні алгоритми

  Генетичний алгоритм - це евристичний алгоритм пошуку, що використовується для вирішення задач оптимізації та моделювання шляхом випадкового підбору, комбінування та варіації шуканих параметрів з використанням механізмів, аналогічних до природного відбору в природі.

• Jenetics

  Jenetics - це просунута бібліотека генетичних та еволюційних алгоритмів, генетичного програмування та багатоцільової оптимізації, написана на сучасному Java. На сайті проекту можна знайти документацію та туторіали для нових користувачів.

• ECJ 23

  ECJ 23 - це заснований на Java дослідницький фреймворк із сильною підтримкою генетичних алгоритмів. Розроблено в лабораторії еволюційних обчислень ECLab Університету Джорджа Мейсона у США.

• Watchmaker Framework

  Watchmaker Framework - це фреймворк, призначений для реалізації платформо-незалежних генетичних та еволюційних алгоритмів у Java. На сайті проекту можна знайти інформацію про фреймворку з детальною документацією та прикладами його застосування.

Замість епілогу

Як уже говорилося вище, ІІ - це дуже широка область, і в ній представлена ​​величезна кількість фреймворків і систем, які досить просто застосовувати, і які можуть виявитися корисними в різних додатках і для вирішення різних типів завдань. Сьогодні сфера застосування ІІ дуже швидко зростає, а значить, компаніям потрібно все більше кваліфікованих фахівців в ІІ-технологіях. Якщо перелічені вище сегменти застосування ІІ здалися вам цікавими, краще не відкладайте ознайомлення з ними в довгу скриньку — ці знання та навички стануть у нагоді майже гарантовано.