適合人工智能（AI）開發(fā)的五大編程語言

挑燈看劍r7wtm5 2019-07-19

展開全文

人工智能（AI）開創(chuàng)了應用程序開發(fā)的全新時代。通過利用機器學習和深度學習，可以完成用戶配置優(yōu)化，個性化設置及建議。另外，還可以整合更智能的搜索結(jié)果，提供語音界面或智能幫助等，用于優(yōu)化程序本身。你甚至可以構(gòu)建具有視覺和聽覺，并能夠作出反應的智能應用程序。

學習哪種編程語言來深入探索 AI？一個擁有大量優(yōu)秀機器學習和深度學習庫的語言當然是首選。此外，它還應具有良好的運行性能，優(yōu)秀的工具支持和聚集了大量軟件工程師的開源社區(qū)。

下面是我選出的適合 AI 開發(fā)的五種最佳編程語言。其中一些語言正在興起，而另一些似乎正在沒落。幾個月后之后，你可能會發(fā)現(xiàn)這些排名已經(jīng)發(fā)生了變化。

1. Python

適合人工智能（AI）開發(fā)的五大編程語言

第一，毫無疑問是 Python。盡管 Python 仍存在許多問題，例如空格 / Tab 縮進及 Python 2 和 Python 3 之間的不兼容性。但是，當你面對與 AI 相關(guān)的工作時，依然推薦選擇使用 Python。

Python 提供的第三方工具是無與倫比的。例如，NumPy 已經(jīng)變得無處不在，它幾乎是張量操作的標準 API；Pandas 將 R 強大而靈活的 DataFrame 帶入 Python；對于自然語言處理（NLP），你可以利用 NLTK 和快速的 SpaCy；對于機器學習，有久經(jīng)沙場的 scikit-learn；而對于深度學習，所有當前的第三方庫，諸如 TensorFlow，PyTorch，Chainer，Apache MXNe 以及 Theano，都是為 Python 量身打造。

當你閱讀到 arXiv 上有關(guān)深度學習的前沿研究論文時，你一定能找到對應 Python 版本的源代碼。Python 還有其他優(yōu)秀之處，雖然 IPython 已經(jīng)漸漸被 Jupyter Notebook 取代，從而兼容更多的語言，但絕大多數(shù) Jupyter Notebook 用戶以及大多數(shù)在線分享的 Notebook 都在使用 Python。

Python 是人工智能研究的前沿語言，是擁有機器學習和深度學習框架最多的語言，也是 AI 領(lǐng)域幾乎所有人都在使用的語言。因此，無論大家每天如何抱怨空格 / Tab 縮進問題，Python 都是人工智能編程語言中的首選。

2. Java 系列

適合人工智能（AI）開發(fā)的五大編程語言

JVM 系列語言（Java，Scala，Kotlin，Clojure 等）也是 AI 應用程序開發(fā)的絕佳選擇。無論是自然語言處理（CoreNLP），張量運算（ND4J）還是完整的 GPU 加速深度學習堆棧（DL4J），都可以有大量數(shù)據(jù)庫可以使用。另外，您還可以輕松訪問 Apache Spark 和 Apache Hadoop 等大數(shù)據(jù)平臺。

Java 是大多數(shù)企業(yè)的通用語言，Java 8 和 Java 9 中提供了新的語言結(jié)構(gòu)，讓編寫 Java 代碼不再那么痛苦。使用 Java 編寫人工智能應用程序可能會有些無聊，但它可以確保完成工作，并將所有現(xiàn)有的 Java 基礎架構(gòu)用于開發(fā)，部署和監(jiān)控。

3. C / C ++

適合人工智能（AI）開發(fā)的五大編程語言

開發(fā) AI 應用程序，C / C ++ 可能不是你的首選，但如果在嵌入式環(huán)境中工作，并且無法負擔 Java 虛擬機或 Python 編譯器較慢的運行速度，那么 C / C ++ 就是最佳選擇。

值得慶幸的是，現(xiàn)在的 C / C ++ 代碼簡單多了，你可以使用 CUDA 等庫來編寫自己的代碼，直接在 GPU 上運行，也可以使用 TensorFlow 或 Caffe 獲取靈活的高級 API 訪問權(quán)限。后者還允許您導入數(shù)據(jù)科學家用 Python 構(gòu)建的模型，然后以 C / C ++ 的速度在環(huán)境中運行它們。

另外，你也可以關(guān)注 Rust 在未來一年的應用。結(jié)合了 C / C ++ 的速度與類型和數(shù)據(jù)安全性，Rust 是既能實現(xiàn)功能而又不造成安全性問題的最佳選擇。

4. JavaScript

適合人工智能（AI）開發(fā)的五大編程語言

JavaScript 是怎么回事？谷歌最近發(fā)布了 TensorFlow.js，這是一個 WebGL 加速庫，能實現(xiàn)在 Web 瀏覽器中訓練和運行機器學習模型。它還擁有 Keras API，并且能加載和使用在常規(guī) TensorFlow 中訓練過的模型。這可能會吸引大量開發(fā)人員涌入 AI 領(lǐng)域。雖然 JavaScript 目前訪問機器學習庫的方式與其他語言不同，但開發(fā)人員在網(wǎng)頁中添加神經(jīng)網(wǎng)絡，就像添加 React 組件或 CSS 屬性一樣簡單。

TensorFlow.js 仍處于早期階段。目前它無法在 Node.js 中工作，且還沒有實現(xiàn)完整的 TensorFlow API。不過，預計到 2018 年底，這兩個問題都將基本得到解決。屆時，JavaScript 在 AI 應用中的地位將會越來越高。

5. R

適合人工智能（AI）開發(fā)的五大編程語言

R 位列前五的末位，呈衰落趨勢。 R 是數(shù)據(jù)科學家喜歡的語言，正因為它以數(shù)據(jù)框架為中心，其他程序員在第一次接觸 R 時常常會感到困惑。如果團隊中有專門的 R 開發(fā)人員，那么整合 TensorFlow，Keras 或 H2O 進行研究、建模和實驗是有意義的。但是，出于性能和使用方面的考慮，我不推薦 R 用于實際生產(chǎn)。雖然，可以在生產(chǎn)服務器上部署高性能 R 代碼，但采用 R 語言編寫原型，并將其重構(gòu)為 Java 或 Python 運行反而會更加容易。