Python借助AI和數(shù)據(jù)科學，目前已經(jīng)攀爬到了編程語言生態(tài)鏈的頂級位置，可以說Python基本上與AI已經(jīng)緊密捆綁在了一起了。為什么人工智能開發(fā)要使用到python語言？小編認為基于以下幾個原因：

簡潔高效

Python作為一門編程語言，對于程序員來說，想要從事AI和機器學習相關的工作，Python是再合適不過的選擇。簡潔優(yōu)美、開發(fā)效率高，Python語言已經(jīng)得到了越來越多公司的青睞，很多公司都開始選用Python進行網(wǎng)站W(wǎng)eb、搜索引擎、云計算、大數(shù)據(jù)、人工智能、科學計算等方向的開發(fā)。

可移植性強

Python希望看到一個更加優(yōu)秀的人創(chuàng)造并經(jīng)常改進。由于它的開源本質(zhì)，Python已經(jīng)被移植在許多平臺上。如果你小心地避免使用依賴于系統(tǒng)的特性，那么你的所有Python程序無需修改就可以在下述任何平臺上面運行。

龐大的標準庫

Python既支持面向過程的函數(shù)編程也支持面向?qū)ο蟮某橄缶幊?。在面向過程的語言中，程序是由過程或僅僅是可重用代碼的函數(shù)構建起來的。在面向?qū)ο蟮恼Z言中，程序是由數(shù)據(jù)和功能組合而成的對象構建起來的。與其他主要的語言如C++和Java相比，Python以一種非常強大又簡單的方式實現(xiàn)面向?qū)ο缶幊?，標準庫確實很龐大。

有的語言過于依賴背后金主的商業(yè)支持，好的時候風光無限，一旦被打入冷宮，連生存下去都成問題。更多的語言，剛剛取得一點成功，就迫不及待的想成為全能冠軍，在各個方向上拼命的伸展觸角，特別是在增強表達能力和提升性能方面經(jīng)常過分積極，不惜將核心語言改得面目全非，終將變成誰都無法掌控的龐然大物。

相比之下，Python 是現(xiàn)代編程語言設計和演化當中的一個成功典范。Python之所以在戰(zhàn)略定位上如此清晰，戰(zhàn)略堅持上如此堅定，歸根結底是因為其社區(qū)構建了一個堪稱典范的決策和治理機制。因此穩(wěn)坐人工智能語言頭把交椅Python也是實至名歸。

網(wǎng)友觀點：

為什么人工智能用Python

這屬于一種誤解，人工智能的核心算法是完全依賴于C/C++的，因為是計算密集型，需要非常精細的優(yōu)化，還需要GPU、專用硬件之類的接口，這些都只有C/C++能做到。所以某種意義上其實C/C++才是人工智能領域最重要的語言。

Python是這些庫的API binding，使用Python是因為CPython的膠水語言特性，要開發(fā)一個其他語言到C/C++的跨語言接口，Python是最容易的，比其他語言的ffi門檻要低不少，尤其是使用Cython的時候。其他語言的ffi許多都只能導入C的函數(shù)入口點，復雜的數(shù)據(jù)結構大多只能手工用byte數(shù)組拼起來，如果還需要回調(diào)函數(shù)輸入那就無計可施了。而CPython的C API是雙向融合的，可以直接對外暴露封裝過的Python對象，還可以允許用戶通過繼承這些自定義對象來引入新特性，甚至可以從C代碼當中再調(diào)用Python的函數(shù)（當然，也有一定的條件限制）。不過這也是PyPy這樣的JIT解釋器的一個障礙。

而且Python歷史上也一直都是科學計算和數(shù)據(jù)分析的重要工具，有numpy這樣的底子，因為行業(yè)近似所以選擇API binding語言的時候會首選Python，同時復用numpy這樣的基礎庫既減少了開發(fā)工作量，也方便從業(yè)人員上手。

最新評論