为什么人工智能用 Python？（人工智能专业吃显卡吗）

自从 1991 年荷兰程序员 Guido van Rossum （一个叫 van♂ 的男人）发明 Python 这门语言以来，这门超简洁的语言迅速成为广大开发人员的最爱。

简洁又容易上手，Python不火谁火现如今，无论是创业公司还是跨国公司，Python 为所有人提供了巨大的便利Python 不单单应用在某一个方面近年来 Python 越来越流行，已逐渐应用到人工智能（AI），机器学习（ML），。

自然语言处理，数据科学等这些最流行和复杂的过程为何 Python 在 AI 中能如此受欢迎？我们认为有以下几个原因：省时省力省资源Python 是一门超简洁的语言，让人们能以更少的代码、更短的时间完成入门或工作。

在技术论坛上谈及 Python 时，很多开发者指出 Python 的一大益处就是相比其它一些语言，用 Python 更省时省力由于 Python 并不需要写很多代码，这让开发人员能迅速展开工作，即便是一个很小的团队，也能用 Python 有效完成任务。

C ++ 的入门时间成本相对于 Python 可以说是毫无优势了比如，举个最简单的例子，我们想输出个“Hello, World!”用 C ++ 需要这样写：#include int main() { std::cout << “Hello, world! “; return 0; }。

但如果你用 Python 写，这样就够了：print(“Hello, world!”)人工智能涉及的算法很多，非常非常多而 Python 非常易于测试，在这方面是众多编程语言中最好的一个借助 Python，我们可以很轻松的编写和执行代码。

与其他 OOP 语言相比，Python 只需要 1/5 代码即可实现其他语言相同的功能这得益于它的解释方法，能让我们在编程中就可以进行检查丰富的程序库：对于 AI 项目的每个需求，Python 都有很多相应的库。

比如用于科学计算的 Numpy，用于高级计算的 Scipy 以及用于机器学习的 Pybrain而 AIMA（来自 Russell 和 Norvig 的 Artificial Intelligence: A Modern Approach）则是迄今为止人工智能领域最好的库之一。

这样的专用程序库大大节省了开发人员在基本级别项目上编码所花费的时间（下面会详细列举）较高的支持度：Python 是一门完全开源的语言，有着很棒的开源社区这里有很多可用的资源能让开发者加快开发进度不要忘记，这里还有一大批很活跃的开发者，他们非常乐意在开发周期的每个阶段帮助别的开发人员。

平台无关性：Python 提供了一种现有语言的 API，确实提供了极大的灵活性它的平台也是独立的只需对你的代码进行一些更改，即可在新操作系统中启动并运行你的应用程序这大大节省了开发人员在不同平台上测试和迁移代码的时间。

高度灵活性：灵活性是 Python 的核心优势之一利用 OOP 方法和脚本，Python 可以适用于任何情形作为一个完美的后端，它也适用于将不同的数据结构连接在一起在 IDE 中检查大部分代码的功能对于在不同算法间挣扎的开发人员来说也是一大优势。

人气爆棚：Python 正在赢得年轻开发者的芳心虽然人工智能项目需要一位经验丰富的程序员，但 Python 可以起到一个非常好的过渡效果寻找 Python 开发人员比寻找 LISP 或 Prolog 程序员更容易。

Python 强大的库和活跃的社区随着不断发展和改进的代码已经成为当今最热门的语言之一Python中用于AI的程序库用于通用AI：AIMA —— Python 实现 Russell 和 Norvig 的‘Artificial Intelligence: A Modern Approach’库。

pyDatalog —— Python 中的逻辑编程引擎SimpleAI —— Python 实现了“AIMA”一书中描述的许多人工智能算法它侧重于提供易于使用，有据可查的测试库EasyAI —— 简单的 Python 引擎，用于 AI 的双人游戏，如 Negamax, transposition tables, game solving。

用于机器学习：PyBrain —— 灵活、简单，但对于机器算法任务非常高效，它是 Python 的一个机器学习模块化库它还提供了各种预定义的环境来测试和比较你的算法PyML —— 一款以 Python 编写的侧重于 SVM 和其他内核方法的双边框架。

它支持在 Linux 和 Mac OS X 上运行scikit-learn —— 旨在提供在各种环境下可重复使用的简单而强大的解决方案：机器学习作为科学和工程的多功能工具它是一个 Python 模块，它将经典的经典机器学习算法集成在如紧密结合的科学世界的 Python 软件包中（如 numpy，scipy，。

matplotlib）MDP 工具包——可以轻松扩展的 Python 数据处理框架，还包含一系列有监督和无监督的学习算法和其他数据处理单元，可以将它们组合成数据处理序列和更复杂的前馈网络体系结构新算法的实现非常简单直观。

可用算法的基础正在稳步增加，包括信号处理方法（主成分分析，独立分量分析，慢特征分析），流形学习方法（[Hessian]局部线性嵌入），几个分类器，概率方法（因子分析，RBM） ，数据预处理方法等等用于自然语言和文本处理：。

NLTK —— 开源 Python 模块，用于自然语言处理和文本分析研究和开发的语言数据和文档，以及 Windows，Mac OSX 和 Linux 的发行版比如我们举个将 Python 程序库应用到 AI 项目的例子。

有个旨在分析员工行为的实验软件，将人工智能与物联网相结合该软件通过对员工情绪和行为分析向员工提供有用的反馈，从而加强管理，促进工作习惯的积极变化通过使用 python 机器学习库，opencv 和 haarcascading 应用程序训练概念，构建了一个样本 POC，通过连接在湾区的无线摄像头来检测基本情绪，如快乐，愤怒，悲伤，厌恶，怀疑，蔑视，讽刺和惊喜。

所收集的数据被传送到集中的云端数据库，在该数据库中可以通过 Android 设备或桌面单击按钮来检索湾区内甚至整个办公室内的日常情绪指数开发人员在分析面部表情的进一步复杂问题方面逐渐取得进展，并借助深度学习算法和机器学习挖掘更多细节，这有助于分析员工的个人表现并帮助员工/团队获得适当的反馈。

结论：Python 在人工智能中扮演着重要的角色，它提供了像 scikit-learn 这样的好框架，使用 Python 进行机器学习，可以满足该领域几乎所有的需求；以及 D3.js - JS 中的数据驱动的文档，这是最强大和易于使用的可视化工具之一。

除了框架之外，快速原型设计使其成为不容忽视的重要语言人工智能需要大量的验证，因此不应该像 Java 中一样需要的 500 KB 样板代码来测试新的假设，这将永远无法完成项目在 Python 中，几乎任何想法都可以通过 20-30 行代码快速验证（对于带库的 JS 也是如此）。

因此，Python 对于 AI 来说是一门非常有用的语言，那么 Python 成为人工智能最受欢迎的语言也就-ai-field/3496

hon-for-ai-artificial-intelligence-ml