五大最适合学习AI开发的编程语言, 你喜欢的语言上榜了吗？ - 好文

准备学习AI的你，知不知道选择哪种编程语言合适呢？以下列举的五种编程语言，被认为是最适合用来学习AI。大家可以参考一下。

1. PYTHON
第一名毫无疑问是 Python。尽管 Python 有些特性令人不爽（whitespace、Python 2.x 和 Python 3.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
<https://link.zhihu.com/?target=http%3A//www.numpy.org/>
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
<https://link.zhihu.com/?target=https%3A//pandas.pydata.org/> 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
<https://link.zhihu.com/?target=https%3A//www.nltk.org/> 和快如闪电的 SpaCy
<https://link.zhihu.com/?target=https%3A//spacy.io/>。对于机器学习，有经过实战检验的
Scikit-learn <https://link.zhihu.com/?target=http%3A//scikit-learn.org/stable/>
。当谈到深度学习时，当前所有的库（TensorFlow
<https://link.zhihu.com/?target=https%3A//www.tensorflow.org/>，PyTorch
<https://link.zhihu.com/?target=http%3A//pytorch.org/>，Chainer
<https://link.zhihu.com/?target=https%3A//chainer.org/>，Apache MXNet
<https://link.zhihu.com/?target=https%3A//mxnet.apache.org/api/python/index.html>
，Theano
<https://link.zhihu.com/?target=http%3A//deeplearning.net/software/theano/>
等）都是在 Python 上首先实现的项目。

<https://www.liveedu.tv/andreybu/REaxr-machine-learning-model-python-sklearn-kera/oPGdP-machine-learning-model-python-sklearn-kera/>

(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，尽管笔者每天都要咒骂一次
whitespace 问题，Python 仍然是人工智能编程语言之王，您没法绕过它。

2. 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
<https://link.zhihu.com/?target=https%3A//stanfordnlp.github.io/CoreNLP/>）、张量运算（
ND4J <https://link.zhihu.com/?target=https%3A//nd4j.org/>）还是完整的 GPU 加速深度学习堆栈（
DL4J <https://link.zhihu.com/?target=https%3A//deeplearning4j.org/>
），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Apache Spark
<https://link.zhihu.com/?target=https%3A//spark.apache.org/> 和 Apache Hadoop
<https://link.zhihu.com/?target=https%3A//hadoop.apache.org/> 等大数据平台。

Java 是大多数企业的通用语言，在 Java 8 和 Java 9 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。

3. 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
<https://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-zone>
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 <https://link.zhihu.com/?target=https%3A//www.rust-lang.org/>
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
<https://link.zhihu.com/?target=https%3A//github.com/tensorflow/rust>了。

4. JAVASCRIPT
蛤？！JavaScript？我没听错吧？其实，谷歌最近发布了 TensorFlow.js
<https://link.zhihu.com/?target=https%3A//js.tensorflow.org/>，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Keras API
<https://link.zhihu.com/?target=https%3A//keras.io/> 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 JavaScript
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 TensorFlow
API。不过，我预计到 2018 年底，这两个问题都将基本得到解决，并且JavaScript 将在不久之后大举进军 AI 界。

5. R
R <https://link.zhihu.com/?target=https%3A//www.r-project.org/>
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
<https://link.zhihu.com/?target=https%3A//www.tensorflow.org/>、Keras
<https://link.zhihu.com/?target=https%3A//keras.io/> 或 H2O
<https://link.zhihu.com/?target=https%3A//www.h2o.ai/>
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。

本文为转载，内容有删减，原文出处：《AI 开发，究竟哪种语言强？》 <https://zhuanlan.zhihu.com/p/36716032>

热门工具换一换