關於人工智慧和python

• 2019 年 10 月 16 日
• 筆記

人工智慧的話題在近幾年可謂是相當火熱，前幾天看快本時其中有一個環節就是關於人工智慧的，智慧家電、智慧機器人、智慧工具等等，在我的印象里，提到人工智慧就會出現 Python，然後我便在網上查找了相關資訊，並整合了一下。

人工智慧

人工智慧，英文縮寫為AI，是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門新的技術科學；是電腦科學的一個分支，它企圖了解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影像識別、自然語言處理和專家系統等。

Python

Python 是一種跨平台的電腦程式設計語言。是一種面向對象的動態類型語言，最初被設計用於編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越來越多被用於獨立的、大型項目的開發。

之間的關係

而一般說起人工智慧都認為是用 Python 語言實現的，就如我之前說的，但查完資料發現，的確大部分的人工智慧的程式碼都是使用 Python 來編寫，寫人工智慧程式碼時需要用到許多框架工具和庫，這些大部分都是 Python 提供的，Python是這些庫的API binding，但並不能因為這樣就認為人工智慧就是靠 Python 寫的，Python 是解釋語言，速度比較慢，它只是調用AI介面，而人工智慧核心演算法是完全依賴於 C/C++ 這類編譯語言，真正的計算全是 C/C++ 寫好的數據底層，因為是計算密集型，需要非常精細的優化，還需要GPU、專用硬體之類的介面，這些都只有C/C++能做到，用Python只是寫相應的邏輯！所以某種意義上其實C/C++才是人工智慧領域最重要的語言。

那為什麼不直接全部用 C/C++ 寫人工智慧呢？這是因為 Python 強大的便捷性，開發生態成熟，有很多有用的庫可以用。使用 Python是因為 CPython 的膠水語言特性，要開發一個其他語言到 C/C++ 的跨語言介面，Python是最容易的，比其他語言的 ffi 門檻要低不少，C語言要寫幾百行的程式碼，可能用 Python 幾行就搞定了，效率很高。尤其是使用 Cython 的時候。其他語言的 ffi 許多都只能導入 C 的函數入口點，複雜的數據結構大多只能手工用 byte 數組拼起來，如果還需要回調函數輸入那就無計可施了。而 CPython 的 C API 是雙向融合的，可以直接對外暴露封裝過的 Python 對象，還可以允許用戶通過繼承這些自定義對象來引入新特性，甚至可以從 C 程式碼當中再調用 Python 的函數。比如3D遊戲中的圖形渲染模組，性能要求特別高，就可以用C/C++重寫，而後封裝為Python可以調用的擴展類庫。

打個比方，就像我們統計數據或選擇用 excel 製作表格時，因為在需要用到加減乘除或者、函數等時，只需要套用公式就可以，因為 SUM、AVERAGE 等這樣的函數運行的背後，是 C++/C# 等語言已經編寫好了程式碼，所以 Excel 只是工具和展現形式並不是它做計算。同理在學習人工智慧時 Python 只是用來操作深度學習框架的工具，實際負責運算的主要模組並不依靠 Python，真正起作用的是也是一大堆複雜的 C/ C++  程式。 

用於通用 AI：

AIMA —— Python 實現 Russell 和 Norvig 的‘Artificial Intelligence: A Modern Approach’庫。

pyDatalog —— Python 中的邏輯編程引擎

SimpleAI —— Python 實現了“AIMA”一書中描述的許多人工智慧演算法。它側重於提供易於使用，有據可查的測試庫。

EasyAI —— 簡單的 Python 引擎，用於 AI 的雙人遊戲，如 Negamax, transposition tables, game solving。

用於機器學習：

PyBrain —— 靈活、簡單，但對於機器演算法任務非常高效，它是 Python 的一個機器學習模組化庫。它還提供了各種預定義的環境來測試和比較你的演算法。

PyML —— 一款以 Python 編寫的側重於 SVM 和其他內核方法的雙邊框架。它支援在 Linux 和 Mac OS X 上運行。

scikit-learn —— 旨在提供在各種環境下可重複使用的簡單而強大的解決方案：機器學習作為科學和工程的多功能工具。它是一個 Python 模組，它將經典的經典機器學習演算法集成在如緊密結合的科學世界的 Python 軟體包中（如 numpy，scipy，matplotlib）。

小結

了解了 Python 和人工智慧的關係後，我認為雖然人工智慧的核心演算法是 C/C++，但我們編寫程式碼時並不需要過多的了解 C/C++，我們只需要用到 Python 就好，而 Python 語言對初學編程的人來說是很友好的，被稱為“最不需要備註的語言”。上手快，語言簡單易懂，對比其他語言來說沒那麼多條條框框的規則。

隨著社會的不斷發展和需求，人工智慧已經逐漸被發展到社會行業的方方面面，從科學層面看，人工智慧跨越認知科學、神經科學、數學和電腦科學等學科，具有高度交叉性；從技術層面看，人工智慧包含電腦視覺、機器學習、知識工程、自然語言處理等多個領域，具有極強專業性；從產業層面看，人工智慧在智慧製造、智慧農業、智慧醫療、智慧城市等領域的應用不斷擴大，具有內在融合性；從社會層面看，人工智慧給社會治理、隱私保護、倫理道德等帶來新的影響，具有全面滲透性。目前，在邊界清晰、規則明確、任務規範的特定應用場景下（如下圍棋、人臉識別、語音識別）設計出的智慧體表現出較好的專用智慧。在全新理念的引導下，機器人可以更多承擔重複簡單甚至是危險的工作，而幫助人類從繁雜工作中解放，獲得更多從事創造性工作的機會。比起人工智慧完全取代人的方式，工廠不必擔心人工智慧做出錯誤的決定延誤生產，也不用考慮人在做重複勞動時效率降低的問題，雙方取長補短，最大化的提升生產效率，從長遠角度來看，這樣的方式無疑更符合生產的需求，也更符合社會的需求。

所以我有一句話想對沒學過編程，但對人工智慧有所期望的人說：既然有 Python 這麼好上手的、適合初學者的程式語言，為什麼不都嘗試學一下呢，畢竟技多不壓身，不邁開第一步，你永遠不知道你後面的路怎麼走！

時代在進步，社會在發展，不說人工智慧以後會不會大火，但一定不會褪色。

參考鏈接：https://blog.csdn.net/leyangjun/article/details/79931144