为什么人工智能用Python

为什么人工智能用Python

这属于一种误解，人工智能的核心算法是完全依赖于C/C++的，因为是计算密集型，需要非常精细的优化，还需要GPU、专用硬件之类的接口，这些都只有C/C++能做到。所以某种意义上其实C/C++才是人工智能领域最重要的语言。
Python是这些库的API binding，使用Python是因为CPython的胶水语言特性，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的ffi门槛要低不少，尤其是使用Cython的时候。其他语言的ffi许多都只能导入C的函数入口点，复杂的数据结构大多只能手工用byte数组拼起来，如果还需要回调函数输入那就无计可施了。而CPython的C API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数（当然，也有一定的条件限制）。不过这也是PyPy这样的JIT解释器的一个障碍。
而且Python历史上也一直都是科学计算和数据分析的重要工具，有numpy这样的底子，因为行业近似所以选择API binding语言的时候会首选Python，同时复用numpy这样的基础库既减少了开发工作量，也方便从业人员上手。

Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。这也是人工智能必备知识。

因为python语法简单，开发者仅需关注人工智能本身，而不用花太多时间在python语言本身上面，而且人工智能用到的很多库都有python的，可以很方便的使用。

写人工智能的程序不一定非要用python,目前很多的机器学习库例如tensorflow既提供python的api接口,也提供其它语言的api接口。

Python作为一门编程语言，被昵称为“胶水语言”，更被热爱它的程序员誉为“最美丽的”编程语言。从云端、客户端，到物联网终端，python应用无处不在，同时也是人工智能首先的编程语言。
在人工智能上使用Python编程语言的优势主要有：
1.优质的文档，Python极其容易上手，因为Python有极其简单的说明文档
2.平台无关，可以在现在每一个Lnix版本上使用，由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。
3.和其他面向对象编程语言比学习更加简单快速，Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。
4.Python有许多图像加强库像Python Imaging Libary,VTK和Maya 3D可视化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于数值和科学应用。
5.Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。
6.对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。
7.最后，它是开源的，可以得到相同的社区支持。Python是FLOSS（自由/开放源码软件）之一。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。FLOSS是基于一个团体分享知识的概念。
AI的Python库：
1.总体的AI库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法
pyDatalog：Python中的逻辑编程引擎
SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。
EasyAI：一个双人AI游戏的python引擎（负极大值，置换表、游戏解决）
2.机器学习库
PyBrain：一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。
PyML：一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。
scikit-learn：旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包（numpy,scipy.matplotlib）紧密联系在一起的。
MDP-Toolkit：这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算法和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法（主成分分析、独立成分分析、慢特征分析），流型学习方法（局部线性嵌入），集中分类，概率方法（因子分析，RBM),数据预处理方法等等。
3.自然语言和文本处理库
NLTK 开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析。有windows,Mac OSX和Linux版本。

谷歌的TensorFlow基本上所有的代码都是C++和Python，其他语言一般只有几千行 。如果讲运行速度的部分，用C++，如果讲开发效率，用Python，谁会用Java这种高不成低不就的语言搞人工智能呢？Python虽然是脚本语言，但是因为容易学，迅速成为科学家的工具（MATLAB也能搞科学计算，但是软件要钱，且很贵），从而积累了大量的工具库、架构，人工智能涉及大量的数据计算，用Python是很自然的，简单高效。51cto学院Python有非常多优秀的深度学习库可用，现在大部分深度学习框架都支持Python，不用Python用谁？人生苦短，就用Python。