隨著人工智慧技術的發展，機器學習越來越受到開發者們的關注，從而也導致了機器學習庫如雨後春筍般的湧現出來，而且沒有任何放緩的趨勢。雖然，傳統意義上 Python 已經成為了最受歡迎的機器學習語言。但目前神經網路可在任何程式語言中執行，當然也包括 JavaScript！
近來，Web 生態系統取得了重大的進展。儘管 JavaScript 和 Node.js 的效能要比 Python 和 Java 的效能差，但它們已經能夠應對機器學習中的許多問題。同時，Web 程式語言也具有很強的易用性，即你只要搞定了 Web 瀏覽器，那麼執行 JavaScript ML 專案就不是個事兒。
雖然，大多數 JavaScript 機器學習庫都是“新輪子”，有的甚至還在研發中，但並不會影響你的使用。在這篇文章中，我們將與你分享這些庫，以及一些很酷的 AI Web 應用程式例項，幫助你開啟機器學習之旅。
1. Brain
Brain 是一個可以讓你輕鬆建立神經網路的庫，並可通過輸入/輸出資料進行訓練。儘管，它可以直接在瀏覽器網頁上執行，但是訓練的過程會佔用大量的資源，因此最好在 Node.js 環境中啟動它。另外，在他們網站上還有一個用於訓練識別色彩對比度的小例子，你也可以瞭解下。
專案地址：【傳送門】
2. Deep playground
這是由 TensorFlow 出品的視覺化的神經網路互動式學習程式。它可以帶你瞭解神經網路，並探索其不同的元件。它不僅有一個漂亮的使用者介面，而且通過控制資料、神經元數量、使用演算法的類別以及各項其他的指標，讓你能夠直觀、實時的瞭解其執行的狀態。另外，由於它是開源的（它用 TypeScript 編寫，並具備優質的文件可查閱），所以通過了解其專案背景，你還能夠學到更多有價值的知識。
專案地址：【傳送門】
3. FlappyLearning
FlappyLearning 是一個僅用 800 行程式碼建立的 JavaScript 機器學習庫，它讓你可以像行家一樣玩轉 Flappy Bird 遊戲。在這個庫中所使用的 AI 技術被稱為“ Neuroevolution”，而它所應用演算法的靈感則源於自然界生物神經系統的進化，並且它可以從每次成功或失敗的迭代中進行動態的學習。另外，你只需要在瀏覽器中開啟 index.html 就可以執行它了，炒雞簡單。
專案地址：【傳送門】
4. Synaptic
這個專案可能是本文所有專案中最活躍的專案了。Synaptic 是一個 Node.js 和瀏覽器可用的庫。雖然它的架構未知，但開發人員可以通過它來構建任何型別的神經網路。它也具備一些內建架構，使它能夠快速的測試，並能針對不同的機器學習演算法進行比較。同時，它的使用文件豐富且全面，包含了神經網路的基本介紹、一些實用的演示，以及相應的使用教程。
專案地址：【傳送門】
5. Land Lines
Land Lines 是一個有趣的 Chrome Web 實驗。使用者通過在頁面上塗鴉，來發現地球上的衛星影像。它可以完全在瀏覽器中執行，無需伺服器端的呼叫。同時，由於機器學習和 WebGL 的巧妙使用，即使在移動裝置上它也有出色的表現。如果你對它比較感興趣，也可以在 GitHub 上檢視其原始碼，或者在這裡閱讀整個案例研究。
專案地址：【傳送門】
6. ConvNetJS
雖然，此專案不再積極維護，但 ConvNetJS 卻是基於 JavaScript 最先進的深度學習庫之一。最初它是由史丹佛大學開發的專案，隨著在 GitHub 上的流行，許多社群開始驅動了其新的特性，並撰寫了相關的教程。它可以直接在瀏覽器中工作，支援多種學習技術，而且操作簡單，適合神經網路進階者學習。
專案地址：【傳送門】
7. Thing Translator
Thing Translator 是一個 Web 實驗，讓你可以通過手機來識別實物，並可用不同的語言為它們命名。這款應用程式完全基於 Web 技術構建，並整合了 Google 的兩種機器學習 API，即用於影像識別的 Cloud Vision 和用於自然語言翻譯的 Translate API 。
專案地址：【傳送門】
8. Neurojs
這是一個基於強化學習的人工智慧系統框架。遺憾的是，這個開源專案並沒有合適的文件。但其中一個自動駕駛汽車的演示，卻對組成神經網路的不同部分有很好的描述。這個庫僅通過 JavaScript 實現，並應用了 webpack 和 babel 。
專案地址：【傳送門】
9. Machine_learning
Machine_learning 是一個僅通過 JavaScript 便可設定和訓練神經網路的庫。無論是在 Node.js，還是客戶端上，它都易於安裝，並且具備非常乾淨的 API，適合任何技術級別的開發者進行學習。同時，該庫還提供了許多現成的流行演算法示例，幫助你瞭解核心的機器學習原理。
專案地址：【傳送門】
10. DeepForge
DeepForge 是一個對於使用者友好的深度學習開發環境。有了它，你可以使用簡單的圖形介面對神經網路進行設計，同時它還支援遠端機器的訓練模型，並且內建了版本控制。它基於 Node.js 和 MongoDB，可在瀏覽器中執行。對於大多數 Web 開發者來說，它的安裝過程也會相當的簡單。
專案地址：【傳送門】
獎勵：Machine Learning in Javascript
這是由 Burak Kanber 發表的一系列文章，主要介紹了一些機器學習基礎知識。這些教程專門針對 JavaScript 開發人員，而且寫得比較透徹。如果你想更深入地瞭解機器學習，不妨看一看。
結論
雖然，基於 JavaScript 的機器學習生態體系還在不斷的發展，但本文推薦的這些資源，能夠幫助你開啟機器學習的體驗之旅，並對其核心技術有所瞭解。正如文章中的例項所示，你只需通過瀏覽器和一些熟知的 JavaScript 程式碼就能體會到機器學習的極大樂趣。