回覆列表
-
1 # 青少年人工智慧普及
-
2 # 天池十二查
我覺得這個主要原因是python寫起來比較簡單，尤其針對不是寫程式碼的專業認識來講更是如此。用python主要是解決一些演算法上的問題，或者說解決一些不是對效能要求很高的，但是需要快速實現的東西。
-
3 # 尋蟲空間
一方面來說，是因為python語法簡單優雅，寫起來效率很高。
另一方面而言，python的庫資源非常豐富，免去了很多不必要重複造輪子的麻煩。
-
4 # 小易科技宅
開源且跨平臺
簡單易用無論是程式碼的簡潔，還是語法的簡單都非常適合科研人員以及剛接觸行業的人快速上手。
龐大而活躍的社群
python本身就積累了很多非常成熟優秀的庫以及一個活躍的社群，這使它在AI領域有著得天獨厚的優勢
人工只能最依賴的其實並不是python，python只是寫出邏輯，計算的都是C和C++寫好的底層，所以說人工智慧最核心的部分基本都是C和C++
首先，Python是荷蘭人Guido發明的，1989年Guido想設計一種語言，這種語言能夠像C語言那樣，能夠全面呼叫計算機的功能介面，又可以像shell那樣，可以輕鬆的程式設計。這才有了Python。
Python被稱作膠水語言。它具有獨特的可拓展性和相容性。所以Python並不是針對人工智慧開發的。
其次，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影象使用者介面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智慧書籍中程式的的原因。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慧語言的。
但是隨著時間的推移，Python在人工智慧領域發展越來越好，是主要原因如下：
1.開源，開源給Python建立了強大的社群生態系統，這個其他程式語言一時半會兒無法比擬。
2.優質的文件。在網上，隨處可見Python各種教程和開發資料。
3.和其他面向物件程式語言比學習更加簡單快速。Python有許多影象加強庫像Python Imaging Libary,VTK和Maya 3D視覺化工具包，Numeric Python, Scientific Python和其他很多可用工具可以於數值和科學應用。
Python的設計非常好，快速，堅固，可移植，可擴充套件。很明顯這些對於人工智慧應用來說都是非常重要的因素。
4.大公司加持，由於開源，Python得到了絕大多數網際網路巨頭的大規模應用，特別是谷歌、微軟這樣的巨頭的認可。
下來介紹幾個Python的庫，看看Python在人工智慧領域的優勢。
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演算法，它是模組化的Python機器學習庫。它也提供了多種預定義好的環境來測試和比較你的演算法。
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他核心方法。它支援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的一個模組，集成了經典的機器學習的演算法，這些演算法是和python科學包(numpy,scipy.matplotlib)緊密聯絡在一起的。
MDP-Toolkit這是一個Python資料處理的框架，可以很容易的進行擴充套件。它海收集了有監管和沒有監管的學習算飯和其他資料處理單元，可以組合成資料處理序列或者更復雜的前饋網路結構。新演算法的實現是簡單和直觀的。可用的演算法是在不斷的穩定增加的，包括訊號處理方法(主成分分析、獨立成分分析、慢特徵分析)，流型學習方法(區域性線性嵌入)，集中分類，機率方法(因子分析，RBM),資料預處理方法等等。 自然語言和文字處理庫
NLTK 開源的Python模組，語言學資料和文件，用來研究和開發自然語言處理和文字分析。有windows,Mac OSX和Linux版本。
AI庫
AIMA：Python實現了從Russell到Norvigs的“人工智慧：一種現代的方法”的演算法
pyDatalog：Python中的邏輯程式設計引擎
SimpleAI：Python實現在“人工智慧：一種現代的方法”這本書中描述過的人工智慧的演算法。它專注於提供一個易於使用，有良好文件和測試的庫。
結論
python因為提供像 scikit-learn的好的框架，在人工智慧方面扮演了一個重要的角色：Python中的機器學習，實現了這一領域中大多的需求。D3.js JS中資料驅動文件時視覺化最強大和易於使用的工具之一。處理框架，它的快速原型製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樣板程式碼去測試新的假說。python中幾乎每一個想法都可以迅速透過20-30行程式碼來實現(JS和LISP也是一樣)。因此，它對於人工智慧是一門非常有用的語言。
案例
做了一個實驗，一個使用人工智慧和物聯網做員工行為分析的軟體。該軟體透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來檢測透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。收集到的資料會集中到雲資料庫中，甚至整個辦公室都可以透過在Android裝置或桌面點選一個按鈕來取回。
開發者在深入分析臉部情感上覆雜點和挖掘更多的細節中取得進步。在深入學習演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的員工/團隊反饋在人工智慧上使用Python比其他程式語言的好處