英特尔公司宣布该公司研究人员研发了一种叫作OpenML的开发工具软件，它将使计算机开发人员搭建的系统能够从应用中“学习”，即：利用以往的数据来提高准确度和易用性。OpenML的研究成果是在近日举行的“神经信息处理系统大会”（NIPS2003）开幕式上发布的。  

    该开发工具软件可以让计算机通过计算过去曾发生过的事件的频率估算其再次发生的可能性。此软件可用于增强广泛交互式和行业计算机的应用：从大型基因研究数据库的信息筛选，到为新药物挑选优质蛋白质，或者创建个人行为模型的电子邮件系统，以决定如何更好地管理新到信息。该软件可通过英特尔的开放源代码机器学习库（Intel’s Open Source Machine Learning Library OpenML）获取，OpenML是一种可用来帮助研究人员开发机器学习应用的功能软件工具。

    英特尔公司企业技术事业部副总裁兼研发部总监David Tennenhouse说：“英特尔希望计算机具有主动性。为此，计算机需要能够从与用户和其周围环境的交互中不断获取数据。同时，利用全新统计方法来确定关键模式，系统将开始预测用户的需求，并预先计算出如何应付最可能出现的问题，从而在用户需要时立刻给出答案。OpenML与更快的微处理器相结合，必将带动机器学习应用的重大突破，例如玩具能够响应孩子的行为，无线传感器网络能够提高我们的安全性、工作效率和环境管理。”

    Concurrent 制药公司（Concurrent Pharmaceuticals）总裁兼首席科学官（CSO）John Baldwin说：“Concurrent Pharmaceuticals集成了专有计算方法、医药化学和发现生物学来制造新药品。我们的工作创造出大量计算生成信息，需要无缝集成到药品发明流程中以得到有效应用。新型复杂的机器学习工具的出现，如OpenML，增强了我们利用计算技术开发药品的能力，并有助于我们实现更快发明新医疗方法来提高人类健康的目标。”

    OpenML基于“贝叶斯（Bayesian）”数学定理，主要理念是：通过研究某一事件曾经发生的频率可以计算未来发生的概率。由于贝叶斯模型基于从经验中收集的数据，因此获得更多数据预测就更准确，如果数据改变，结果会自动更正。

    伯克利加利福尼亚大学的Michael I. Jordan教授说：“随着OpenML的发布，全球研究人员将能够访问更大型、更完善的开放源代码图形模型算法工具箱，且非常快速可靠。”

    更快的微处理器以及“贝叶斯”方法核心的图形数学模型的改进都促进了实时计算机“机器学习”算法在标准电脑上的运行。计算机机器学习库旨在通过为广泛的机器学习功能提供源代码来增强该领域的创新。此开放源代码软件发布包括支持所有库功能的C++源代码和免版税再分配许可。OpenML网址为：www.intel.com/research/mrl/pnl。

    NIPS2003是关于神经计算的重要科学会议。演示涉及众多主题，包括算法和体系结构、应用、大脑成像、认知科学和人工智能、控制和强化学习、新兴技术、学习理论、神经科学、语音和信号处理以及视觉处理等。