人工智能常用的5种语言
自从去年，AlphaGo打遍天下棋手无对手，人工智能的风头就一直无人能及。在刚刚过去的IT领袖峰会上，BAT三位大佬都看好人工智能的未来发展。今年年初，百度就做了一个大动作，在医疗方面押宝人工智能，所以在这次峰会上李彦宏也发声称互联网是道开胃菜，人工智能才是主菜。
人工智能是一个很广阔的领域，很多编程语言都可以用于人工智能开发，所以很难说人工智能必须用哪一种语言来开发。选择多也意味着会有优劣之分，并不是每种编程语言都能够为开发人员节省时间及精力。所以我们整理了5种比较适用于人工智能开发的编程语言，希望能够对你有所帮助。
如果你想要系统地学习人工智能，那么推荐你去看床长人工智能教程。非常棒的大神之作。教程不仅通俗易懂，而且很风趣幽默。
Python
Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其他常用的AI算法一起使用。
Python之所以时候AI项目，其实也是基于Python的很多有用的库都可以在AI中使用，如
Numpy提供科学的计算能力，Scypy的高级计算和Pybrain的机器学习。
另外，Python有大量的在线资源，所以学习曲线也不会特别陡峭。
Java
Java也是AI项目的一个很好的选择。它是一种面向对象的编程语言，专注于提供AI项目上所需的所有高级功能，它是可移植的，并且提供了内置的垃圾回收。另外Java社区也是一个加分项，完善丰富的社区生态可以帮助开发人员随时随地查询和解决遇到的问题。
对于AI项目来说，算法几乎是灵魂，无论是搜索算法、自然语言处理算法还是神经网络，Java都可以提供一种简单的编码算法。另外，Java的扩展性也是AI项目必备的功能之一。
Lisp
Lisp因其出色的原型设计能力和对符号表达式的支持在AI领域崭露头角。LISP作为因应人工智能而设计的语言，是第一个声明式系内函数式程序设计语言，有别于命令式系内过程式的C、Fortran和面向对象的Java、C#等结构化程序设计语言。
Lisp语言因其可用性和符号结构而主要用于机器学习/ILP子领域。著名的AI专家彼得·诺维奇（PeterNorvig）在其《ArtificialIntelligence:Amodernapproach》一书中，详细解释了为什么Lisp是AI开发的顶级编程语言之一，感兴趣的朋友可以自行查看。
Prolog
Prolog与Lisp在可用性方面旗鼓相当，据《PrologProgrammingforArtificialIntelligence》一文介绍，Prolog一种逻辑编程语言，主要是对一些基本机制进行编程，对于AI编程十分有效，例如它提供模式匹配，自动回溯和基于树的数据结构化机制。结合这些机制可以为AI项目提供一个灵活的框架。
Prolog广泛应用于AI的expert系统，也可用于医疗项目的工作。
C++
C++是世界上速度最快的编程语言，其在硬件层面上的交流能力使开发人员能够改进程序执行时间。C++对于时间很敏感，这对于AI项目是非常有用的，例如，搜索引擎可以广泛使用C++。
在AI项目中，C++可用于统计，如神经网络。另外算法也可以在C++被广泛地快速执行，游戏中的AI主要用C++编码，以便更快的执行和响应时间。
写在最后：
其实为AI项目选择编程语言，其实很大程度上都取决于sub-field，对于编程语言的选择要从大局入手，不能只考虑部分功能。在这些编程语言中，Python因为适用于大多数AIsub-field，所以渐有成为AI编程语言之首的趋势，而Lisp和Prolog因其独特的功能，所以在部分AI项目中卓有成效，
开发人工智能使用哪种编程语言好
最适合人工智能开发的5种编程语言，你知道几种？
01、Python
第一名毫无疑问是Python。尽管Python有些特性令人不爽（whitespace、Python2.x和Python3.x之间的巨大差异、五种不同的包机制都在不同程度上有缺陷）但如果你正在从事AI工作，你几乎肯定会在某些时候用到Python。
Python中可用库的数量是其他语言所无法企及的。NumPy已经变得如此普遍，以至于几乎成为了张量运算的标准API，Pandas将R的强大而灵活的数据帧带入Python。对于自然语言处理（NLP），您可以使用久负盛名的NLTK和快如闪电的SpaCy。对于机器学习，有经过实战检验的Scikit-learn。当谈到深度学习时，当前所有的库（TensorFlow，PyTorch，Chainer，ApacheMXNet，Theano等）都是在Python上首先实现的项目。
(在LiveEdu上，一位德国的AI开发者教大家如何使用Python开发两个简单的机器学习模型）
Python是人工智能研究的前沿语言，这是拥有最多机器学习和深度学习框架的语言，也是AI研究者几乎都掌握的语言。由于这些原因，Python仍然是人工智能编程语言之王，您没法绕过它。
02、JAVA和相关语言
JVM系列语言（Java，Scala，Kotlin，Clojure等）也是AI应用开发的绝佳选择。无论是自然语言处理（CoreNLP）、张量运算（ND4J）还是完整的GPU加速深度学习堆栈（DL4J），您都可以使用大量的库来管理流水线的各个部分。另外，您还可以轻松访问ApacheSpark和ApacheHadoop等大数据平台。
Java是大多数企业的通用语言，在Java8和Java9中提供了新的语言结构，这使得编写Java代码的体验不再像我们过去所记得的那样糟糕。使用Java编写人工智能应用可能会让人觉得无聊，但它确实能完成工作，并且您可以使用所有现成的Java基础架构来开发、部署和监视。
03、C/C++
在开发AI应用时，C/C++不太可能成为您的首选，但如果您在嵌入式环境中工作，并且无法承受Java虚拟机或Python解释器的开销，那么C/C++就是最好的解决方案。当你需要榨干系统的每一滴性能时，你就得面对可怕的指针世界。
幸运的是，现代C/C++写起来体验还不错（实话实说！）。您可以从下列方法中选择一个最适合的：您可以一头扎进堆栈底部，使用CUDA等库来编写自己的代码，这些代码将直接在GPU上运行；您也可以使用TensorFlow或Caffe以访问灵活的高级API。后者还允许您导入数据科学家用Python写的模型，然后以C/C++级别的速度在生产环境中运行它们。
在未来一年中，请密切留意Rust在AI领域的一些动作。结合C/C++级别的速度与类型和数据安全性，Rust是实现产品级性能却不会造成安全问题的最佳选择。并且它现在已经可以与TensorFlow绑定了。
04、Java
Java？我没听错吧？其实，谷歌最近发布了TensorFlow.js，这是一个WebGL加速库，允许您在Web浏览器中训练和运行机器学习模型。它还包括KerasAPI以及加载和使用在常规TensorFlow中训练过的模型的功能。这可能会吸引大量的JS开发者涌入AI领域。
虽然Java目前能够访问的机器学习库与其他语言相比有所局限，但在不久的将来，开发者在网页中添加神经网络就和添加React组件或CSS属性一样简单。这听上去既强大又恐怖。
TensorFlow.js仍处于早期阶段。目前它可在浏览器中运行，但不适用于Node.js。它还没有实现完整的TensorFlowAPI。不过，我预计到2018年底，这两个问题都将基本得到解决，并且Java将在不久之后大举进军AI界。
05、R语言
R在这份榜单中排名最末，并且看上去将会越来越没落。
R是数据科学家喜欢的语言。但是，其他程序员在第一次接触R时会感到有些困惑，因为它采用了以数据帧为中心的方法。如果您有一组专门的R开发者，那么将R与TensorFlow、Keras或H2O搭配使用，进行研究、原型设计和实验是有意义的。但基于性能和操作方面的考虑，我不愿意推荐将R用于生产。
虽然您可以写出能在生产服务器上部署的高性能R代码，但将这种用R语言编写的原型重新编码为Java或Python肯定会更容易。
人工智能，火的不能再火的词了，想要驾驭他还需要不断的磨练，语言是与人工智能对话的基本条件，以上的五种语言你掌握了几种呢？不想成为未来世界的文盲就快些行动起来吧！