NO IMAGE

       人工智慧程式可以使用幾乎所有的程式語言實現,最常見的有:Lisp,Prolog,C/C ,當然還有Java,而人工智慧的發展更是將Python推到高峰。

       Python作為美國主流大學受歡迎的入門程式語言,誕生至今已經有20多年的歷史,相對於其他程式語言,Python更加易學、易讀,非常適合快速開發,Python程式設計,簡單直接,難度低於java,更適合初學者程式設計,讓開發者更專注於程式設計邏輯,而不是困惑於晦澀難懂的語法細節上,Python幾乎可以做各個領域、適用於各種平臺,包括web開發、網路運維、科學計算、3D遊戲和圖形介面開發和人工智慧等。

       相對於Python而言,C/C 的執行速度比Python快數倍,甚至幾十和上百倍,但是C/C 專業性相比於Python太強,需要書寫的程式碼也較多。java比C/C 執行速度慢,但是跨平臺和可移植性更強,Java也可以用作人工智慧程式的編寫,但是為什麼更多的人更願意使用Python而不是java呢,原因很簡單,就是簡單高效。舉個例子來說,同樣一個程式,使用C有可能需要使用1000行程式碼,使用java需要100行程式碼,而使用Python則只需要20行程式碼。雖然執行速度比不上C,但是其簡單高效性,使得這個差距可以忽略,Python更適合人工智慧。

     Python更適合人工智慧,是因為它具有如下幾個方面的優勢:

 1.簡單高效

     上面已經提到過,在此筆者不再贅述。

 2.具有優質的文件

       Python官方參考文件:Python官方參考文件連結地址

 3.擁有豐富強大的AI庫

       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。

       總的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。EasyAI:一個雙人AI遊戲的python引擎(負極大值,置換表、遊戲解決)

       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。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,概率方法(因子分析,RBM),資料預處理方法等等。

        4.海量的模組

        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,整合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。

        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。