工欲善其事必先利其器，而Python算是人工智慧的利器，也僅僅是利器！

人工智慧建立理論模型以後是要寫程式碼實現的，實現的時候時候就有程式語言的選擇，而這些選擇裡面Python的契合度目前最高:

1.人工智慧的基礎是數學和資料，Python有很多現有的庫天然支援這些資料的數學運算，而其他語言實現很痛苦！如numpy.

2.人工智慧程式涉及數學的擬合，求導，梯度更新等過程，實現超級困難，而Python語言有現成的框架可以簡單實現這些過程，比如谷歌的TensorFlow，Facebook的pytorch，百度的paddlepaddle等.

3.一開始搞人工智慧是一些科學家，這些科學家並非專業的程式設計人士，他們的主業也是做科研，所以程式設計只是論證他們的觀點和實驗，這個時候找一門簡單的程式語言是必要的，而Python是真的簡單，所以最初的很多成果都是Python語言實現的，學習的人越來越多，看的案例也基本上是Python，他們再傳授的時候，基本上也是Python。當然c++和其他語言也多，但是使用者基數不夠大！

4.很多培訓機構渲染，學Python等於學人工智慧，我也是醉了...

5.人工智慧分為弱人工智慧，強人工智慧，超人工智慧，目前雖然取得了很大進步，但依舊處於:人工+智慧 狀態，期望不要過高哦！

這是一個好問題，確實對於很多沒有計算機基礎的同學來說，我也建議從Python等程式語言開始入門人工智慧。

從學習人工智慧的角度來說，真正的起點應該是機器學習。不論是Python語言也好，還是數學、統計學知識也罷，這些知識對於學習大資料、人工智慧都有較大的影響，但是從專業知識體系結構上來說，機器學習本身就是人工智慧領域和大資料領域的重要研究方向。

機器學習簡單的說就是在一堆雜亂無章的資料當中，找到其背後的規律。不論是監督學習、非監督學習，還是強化學習、半監督學習等機器學習正規化，資料都是機器學習的基礎，而程式語言則是收集資料的重要工具。

對於剛剛開始進入人工智慧、大資料領域的同學來說，老師往往都會安排從收集資料開始，而由於Python做資料收集（爬蟲）非常方便，所以很多同學都會先學習使用Python，進而使用Python來完成機器學習、深度學習演算法實現。

實際上，還有很多語言可以應用在人工智慧領域，比如C++、Java等語言在人工智慧領域也有很多應用，而且在行業應用場景下，往往採用C++和Java更為普遍，因為生產場景往往更重視應用的穩定性、執行效率和安全性等因素。

以我的課題組為例，很多人工智慧、大資料方向的創新要進行落地時，往往都會把在驗證階段使用Python完成的程式碼再使用Java重寫，或者採用C++來重寫，相信很多同學也都經歷過這個過程，尤其是做縱向課題轉橫向應用時，這是比較常見的做法。

總體上來說，雖然Python語言在生產場景下依然有不足的地方，但是隨著雲計算平臺不斷髮展和壯大，尤其是進入到雲原生階段之後，Python語言未來的應用潛力還是比較大的，應用邊界也在不斷向傳統學科擴充套件。