Чтобы работать с ИИ, вам нужно выучить Python.
Итак, мне нужно выучить новый язык, чтобы внедрить ИИ в свои веб-приложения?
Что ж, это может быть так, но не определенно. Javascript имеет большое сообщество, и он везде в веб-экосистеме. ИИ меняет мир, и именно потому, что программисты медлительны и придерживаются своего профессионального языка, большинство веб-разработчиков пишут обычные веб-приложения и не получают выгоды от искусственного интеллекта. .
P.S.: Я тоже считаю себя программистом.
Итак, завершая саркастическую часть анкеты, Каково решение?
Tensorflow.js представил искусственный интеллект в javascript почти 2 года назад, и он содержит все функции машинного обучения, которые есть в знаменитой библиотеке Tensorflow. имеет. Это позволило сообществу javascript получить все преимущества искусственного интеллекта прямо из вашего браузера или Node.js.
Tensorflow.js позволяет нам сразу же использовать предварительно обученные модели, доступные на веб-сайте, в наших веб-приложениях на стороне клиента или сервера. Если вы пойдете и проверите предварительно обученные модели Tensorflow.js в репозитории, вам будет доступно множество моделей в областях Обработка изображений, Классификация текста, Аудио и некоторые общие утилиты.
«Да ладно, в python TensorFlow доступно чертовски много моделей, нельзя сказать, что JavaScript достаточно».
Вы можете слышать такого рода заявления от разработчиков Python, всегда хвастающихся частью AI. Но подождите, есть хак.
Tensorflow позволяет конвертировать большинство моделей, доступных на Python, в JS и использовать их в качестве предварительно сохраненных моделей. Преобразование модели – это метод, который позволяет вам преобразовать любую модель Python в JS и использовать ее в своем приложении. А с другой стороны, их использование после преобразования не приводит к снижению производительности.
Вы также можете использовать Tensorflow.js для обучения собственных моделей с помощью JS.
Я понимаю, достаточно разговоров для программистов. Вы, ребята, можете пропустить все это и сразу перейти к примеру кода (как мы всегда делаем с документацией).
Итак, что касается части кода, я буду использовать Node.js, но вы, ребята, также можете использовать клиентский javascript, и его образцы кода также доступны в этом >репозиторий.
require("@tensorflow/tfjs-node");
const toxicity = require("@tensorflow-models/toxicity");
async function testTextToxicity() {
const threshold = 0.7; //this defines the level of accuracy you require
const sentences = ["You're a moron.Go learn something new!"];
// Load the model. Users optionally pass in a threshold and an array of
// labels to include.
const model = await toxicity.load(threshold);
let predictions = await model.classify(sentences);
predictions.forEach((pred) => {
console.log(pred.label, pred.results);
});
}
Когда вы запустите этот код, вы получите что-то вроде этого.
identity_attack [ {
probabilities: Float32Array(2) [ 0.9920857548713684, 0.007914289832115173 ],
match: false } ]
insult [ {
probabilities: Float32Array(2) [ 0.004494260065257549, 0.995505690574646 ],
match: true } ]
obscene [ {
probabilities: Float32Array(2) [ 0.9910942912101746, 0.008905733935534954 ],
match: false } ]
severe_toxicity [ {
probabilities: Float32Array(2) [ 0.9999923706054688, 0.000007636363989149686 ],
match: false } ]
sexual_explicit [ {
probabilities: Float32Array(2) [ 0.998522937297821, 0.0014770565321668983 ],
match: false } ]
threat [ {
probabilities: Float32Array(2) [ 0.9981972575187683, 0.0018028138438239694 ],
match: false } ]
toxicity [ {
probabilities: Float32Array(2) [ 0.004494187887758017, 0.9955058097839355 ],
match: true } ]
Таким образом, соответствие каждого ярлыка определяет тон текста.
Хорошо, но каков вариант использования? где это полезно в веб-приложениях?
Что ж, во многих случаях мы получаем данные от пользователей, которые должны отображаться на нашей веб-странице, такие как комментарии или отзывы о продукте. . Или, может быть, приложение для чата. Вы можете предложить своим пользователям, если их сообщение может быть оскорбительным для другого пользователя, или отфильтровать любой откровенно сексуальный контент в комментариях.
Хватит говорить. Давайте поделимся некоторыми ресурсами, которые вы можете посмотреть.
CocoSsd — это модель, которая позволяет вам классифицировать изображения и использовать ее для запрета или разрешения изображений. которые содержат конкретный контент в вашем приложении.
Демонстрации Tensorflow.js показывают некоторые варианты использования их моделей и что еще вы можете сделать с библиотекой. ОБЯЗАТЕЛЬНО посмотрите!
Вот ссылка на интервью молодого парня, который использовал TensorFlow.js для преобразования ночных изображений в дневные изображения, содержащие лучшие выделения изображений.
И последнее, но не менее важное: RapidApi показывает списокдоступных API, которые можно использовать для расширения возможностей вашего веб-приложения.
Что дальше? Это все, чем я хотел поделиться, и пришло время вам, ребята, сделать что-то творческое со своим следующим веб-приложением.
О, тоже. Не забудьте нажать Нравится, если вы нашли эту статью полезной (это помогает оценить) и прокомментировать, если у вас есть какие-либо предложения.
Вы можете связаться со мной в LinkedIn или подписаться на меня в Medium, чтобы узнать больше.
