解讀! Python在人工智能中的作用
人工智能是一種未來性的技術,目前正在致力于研究自己的一套工具。一系列的進展在過去的幾年中發(fā)生了:無事故駕駛超過300000英里并在三個州合法行駛迎來了自動駕駛的一個里程碑;IBM Waston擊敗了Jeopardy兩屆冠軍;統(tǒng)計學習技術從對消費者興趣到以萬億記的圖像的復雜數(shù)據(jù)集進行模式識別。
這些發(fā)展必然提高了科學家和巨匠們對人工智能的興趣,這也使得開發(fā)者們了解創(chuàng)建人工智能應用的真實本質。開發(fā)這些需要注意的第一件事是:
哪一種編程語言適合人工智能?
你所熟練掌握的每一種編程語言都可以是人工智能的開發(fā)語言。
人工智能程序可以使用幾乎所有的編程語言實現(xiàn),最常見的有:Lisp,Prolog,C/C++,近來又有Java,最近還有Python.
LISP
像LISP這樣的高級語言在人工智能中備受青睞,因為在各高校多年的研究后選擇了快速原型而舍棄了快速執(zhí)行。垃圾收集,動態(tài)類型,數(shù)據(jù)函數(shù),統(tǒng)一的語法,交互式環(huán)境和可擴展性等一些特性使得LIST非常適合人工智能編程。
PROLOG
這種語言有著LISP高層和傳統(tǒng)優(yōu)勢有效結合,這對AI是非常有用的。它的優(yōu)勢是解決“基于邏輯的問題”。Prolog提供了針對于邏輯相關問題的解決方案,或者說它的解決方案有著簡潔的邏輯特征。它的主要缺點(恕我直言)是學起來很難。
C/C++
就像獵豹一樣,C/C++主要用于對執(zhí)行速度要求很高的時候。它主要用于簡單程序,統(tǒng)計人工智能,如神經網絡就是一個常見的例子。Backpropagation 只用了幾頁的C/C++代碼,但是要求速度,哪怕程序員只能提升一點點速度也是好的。
JAVA
新來者,Java使用了LISP中的幾個理念,最明顯的是垃圾收集。它的可移植性使它可以適用于任何程序,它還有一套內置類型。Java沒有LISP和Prolog高級,又沒有C那樣快,但如果要求可移植性那它是最好的。
PYTHON
Python是一種用LISP和JAVA編譯的語言。按照Norvig文章中對Lips和Python的比較,這兩種語言彼此非常相似,僅有一些細小的差別。還有JPthon,提供了訪問Java圖像用戶界面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智能書籍中程序的的原因。JPython可以讓他使用可移植的GUI演示,和可移植的http/ftp/html庫。因此,它非常適合作為人工智能語言的。
在人工智能上使用Python比其他編程語言的好處
- 優(yōu)質的文檔
- 平臺無關,可以在現(xiàn)在每一個*nix版本上使用
- 和其他面向對象編程語言比學習更加簡單快速
- Python有許多圖像加強庫像Python Imaging Libary,VTK和Maya 3D可視化工具包,Numeric Python, Scientific Python和其他很多可用工具可以于數(shù)值和科學應用。
- Python的設計非常好,快速,堅固,可移植,可擴展。很明顯這些對于人工智能應用來說都是非常重要的因素。
- 對于科學用途的廣泛編程任務都很有用,無論從小的shell腳本還是整個網站應用。
- 最后,它是開源的??梢缘玫较嗤纳鐓^(qū)支持。
AI的Python庫
總體的AI庫
- AIMA:Python實現(xiàn)了從Russell到Norvigs的“人工智能:一種現(xiàn)代的方法”的算法
- pyDatalog:Python中的邏輯編程引擎
- SimpleAI:Python實現(xiàn)在“人工智能:一種現(xiàn)代的方法”這本書中描述過的人工智能的算法。它專注于提供一個易于使用,有良好文檔和測試的庫。
- EasyAI:一個雙人AI游戲的python引擎(負極大值,置換表、游戲解決)
機器學習庫
- PyBrain 一個靈活,簡單而有效的針對機器學習任務的算法,它是模塊化的Python機器學習庫。它也提供了多種預定義好的環(huán)境來測試和比較你的算法。
- PyML 一個用Python寫的雙邊框架,重點研究SVM和其他內核方法。它支持Linux和Mac OS X。
- scikit-learn 旨在提供簡單而強大的解決方案,可以在不同的上下文中重用:機器學習作為科學和工程的一個多功能工具。它是python的一個模塊,集成了經典的機器學習的算法,這些算法是和python科學包(numpy,scipy.matplotlib)緊密聯(lián)系在一起的。
- MDP-Toolkit 這是一個Python數(shù)據(jù)處理的框架,可以很容易的進行擴展。它海收集了有監(jiān)管和沒有監(jiān)管的學習算飯和其他數(shù)據(jù)處理單元,可以組合成數(shù)據(jù)處理序列或者更復雜的前饋網絡結構。新算法的實現(xiàn)是簡單和直觀的??捎玫乃惴ㄊ窃诓粩嗟姆€(wěn)定增加的,包括信號處理方法(主成分分析、獨立成分分析、慢特征分析),流型學習方法(局部線性嵌入),集中分類,概率方法(因子分析,RBM),數(shù)據(jù)預處理方法等等。
自然語言和文本處理庫
NLTK 開源的Python模塊,語言學數(shù)據(jù)和文檔,用來研究和開發(fā)自然語言處理和文本分析。有windows,Mac OSX和Linux版本。
案例
做了一個實驗,一個使用人工智能和物聯(lián)網做員工行為分析的軟件。該軟件通過員工情緒和行為的分心提供了一個有用的反饋給員工,從而提高了管理和工作習慣。
使用Python機器學習庫,opencv和haarcascading概念來培訓。建立了樣品POC來檢測通過安置在不同地點的無線攝像頭傳遞回來基礎情感像幸福,生氣,悲傷,厭惡,懷疑,蔑視,譏諷和驚喜。收集到的數(shù)據(jù)會集中到云數(shù)據(jù)庫中,甚至整個辦公室都可以通過在Android設備或桌面點擊一個按鈕來取回。
開發(fā)者在深入分析臉部情感上復雜點和挖掘更多的細節(jié)中取得進步。在深入學習算法和機器學習的幫助下,可以幫助分析員工個人績效和適當?shù)膯T工/團隊反饋。
結論
python因為提供像 scikit-learn的好的框架,在人工智能方面扮演了一個重要的角色:Python中的機器學習,實現(xiàn)了這一領域中大多的需求。D3.js JS中數(shù)據(jù)驅動文檔時可視化最強大和易于使用的工具之一。
處理框架,它的快速原型制造使得它成為一門不可忽視的重要語言。AI需要大量的研究,因此沒有必要要求一個500KB的Java樣板代碼去測試新的假說。python中幾乎每一個想法都可以迅速通過20-30行代碼來實現(xiàn)(JS和LISP也是一樣)。
因此,它對于人工智能是一門非常有用的語言。
內容來源:北京達內教育
相關書籍推薦:
更多精彩書單,請點擊編程必備書單
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Numpy中array數(shù)組對象的儲存方式(n,1)和(n,)的區(qū)別
本文主要介紹了Numpy中array數(shù)組對象的儲存方式(n,1)和(n,)的區(qū)別,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2023-04-04