Facebook。2016年6月，Facebook 发布最新开源工具包。这个工具包可快速建立有效且可重复使用的学习系统，从而促进深度学习协同发展，加速人工智能研究。Facebook 的图像识别功能一直为人所赞叹，也是一些专业人士介绍相关技术的范例。8月，。FastText是 Facebook 开发的一款快速文本分类器，提供简单而高效的文本分类和表征学习的方法，性能比肩深度学习而且速度更快。。9月，Facebook 开源重磅项目 ，一个开发基于通信的人工智能系统的平台。12月，Facebook 宣布开源 TorchCraft，它在星际争霸与深度学习环境 Torch 之间架起了一道桥梁。TorchCraft 可让每个人编写出星际争霸人工智能玩家Bot。另外，Facebook 还开源了围棋人工智能系统 DarkForest。

微软。2016年1月，微软发布了深度学习工具包 CNTK。。在此之前，这一系统只对很少的计算机科学家开放过私人预览，它被设计用于帮助研究者开发先进的、更为普遍能做像学习、对话、决策以及完成复杂任务等工作的人工智能。这一系统将会帮助研究者们开发用于强化学习的新技术和新方法。目前微软现在正努力让 Malmo 可以在 Universe 中使用。，一个基于决策树算法的快速的、分布式的、高性能 gradient boosting（GBDT、GBRT、GBM 或 MART）框架，可被用于排行、分类以及其他许多机器学习任务中。MS MARCO。其背后的团队声称这是目前这一类别中最有用的数据集，因为这个数据集是基于匿名的真实数据构建的。通过将该数据集免费开放给更多的研究者，该团队希望能够促进机器阅读领域的研究突破，就像之前研究者已经在图像识别和语音识别领域所取得颠覆性突破一样。

谷歌、微软、Facebook 等传统的人工智能技术巨头之外，百度近来也加入到了技术开源的浪潮之中。2016年1月，百度宣布开源人工智能代码，百度硅谷实验室已经向 GitHub 上传了 Warp-CTC C 代码库。与此同时，百度在一篇博客文章中鼓励开发者试用这些代码。。

2016年12月，。DeepMind Lab 是一个类全3D游戏平台，为基于智能体的人工智能研究量身打造。和 Malmo 类似，也允许研究者创建迷宫，让不同算法学习如何寻路，获得奖励。DeepMind 正在尝试将「更自然的元素」（如起伏的地形和植物）整加入到这个虚拟世界中。开源后，DeepMind 希望在其他研究者的帮助下，这个平台能够更加复杂，从而训练更聪明的训练算法。

。它允许人工智能程序在其中与最初为人类玩家设计的十几款 3D 游戏互动，另外，这个环境还包含了一些网络浏览器与手机 app。相比 DeepMind Lab 的 3D 世界，OpenAI 的元平台 Universe 则更进一步。通过为同一个人工智能程序提供多种不同类型的环境，这一平台或许可以解决领域内最棘手的问题：如何创建一个可以解决任何新问题的算法。

大学方面。2016年9月，。神经机器翻译是近段时间以来推动机器翻译发展的主要推动力。，该系统使用了 Torch 数学工具包。该研究组在官网上表示该系统已经达到生产可用的水平（industrial-strength）。

DARPA 已经向开源机器学习技术迈出了一大步。事实上，DARPA XDATA项目产生了一个目前最先进的机器学习、可视化和其他技术的目录，任何人都可以下载、使用和修改这些技术以打造定制化的人工智能工具。

下面简单列出了 2016 年最受欢迎的深度学习工具：

TensorFlow，来自谷歌，地址：https://github.com/tensorflow/tensorflow

Keras，来自 François Chollet，地址：https://github.com/fchollet/keras

CNTK，来自微软，地址：https://github.com/Microsoft/CNTK

MXNet，来自 DMLC，被亚马逊采用，地址：https://github.com/dmlc/mxnet

Theano，来自蒙特利尔大学，地址：https://github.com/Theano/Theano

Torch，来自 Ronan Collobert, Koray Kavukcuoglu, Clement Farabet，被 Facebook 广泛使用，地址：https://github.com/torch/torch7

2、合作