2020年，最適合AI的5種程式語言

• 2020 年 2 月 19 日
• 筆記

來源 | medium

編譯 | 張濤

責編 | Carol

出品 | AI科技大本營（ID:rgznai100）

AI系統的開發必須有電腦程式碼，而電腦程式的開發有不同類型的程式語言可以選擇。本文分析哪些程式語言最適合你的人工智慧或機器學慣用例開發。

文中給出了一個想要在人工智慧行業成功所需的5種程式語言的簡單列表。針對給定的人工智慧或機器學習項目，每種語言都有相應的優勢和缺點，所以在選擇開發語言前要考慮最終的目標。

這5個最適合人工智慧行業的程式語言是：Python；R；Java；Scala；Rust。

Python

Python是人工智慧行業最主流的程式語言，因為python具有易於學習的語法、大量的庫和框架、對眾多AI演算法的動態適用性、而且相對容易編寫。

Python支援面向功能、面向對象和面向過程的開發方式。此外，大量開放社區還在幫助python語言處在電腦科學行業的前沿。

與其他程式語言相比，python的缺點包括是運行速度慢、面向移動設備的編碼功能較差、不利於處理記憶體密集型任務。

R

R是另一個機器學習程式語言。R語言最常用於數據分析、大數據建模和數據可視化。R語言包含多個包設置和大量的材料，使得其非常適合處理數據為中心的任務。

R語言的缺點包括大量使用記憶體、缺乏基本安全功能（無法嵌入web應用中）、和基於古老的S程式語言。

Java

Java是一種面向對象的程式語言，優勢包括可以與搜索演算法（搜索演算法是能夠有效支援大規模項目的簡化框架）很好地結合、易於調試程式碼等。此外，Java也有完善的社區支援和大量的開源庫。

與其他語言相比，Java的缺點包括性能不佳；由於運行在Java虛擬機之上，因此記憶體使用效率低下。以上兩個缺點會導致硬體成本增加。

Scala

Scala是一個可擴展的程式語言，可以處理大量大數據。Scala支援支援面向對象和函數式編程的風格。由於其簡潔的程式碼風格，Scala比其他語言更具可讀性和易於編寫。

Scala語言的速度和性能使得其非常適合機器學習和AI模型，並具有相對無差錯的編碼，在必要時容於進行調試。

Scala的不足包括所有面向對象和函數式編程的缺點。因為該語言融合了多種編程風格，因此使得理解類型資訊更加困難。此外，切換回面向對象樣式的選項也可能被視為弊端，因為在編寫程式碼時不會在功能上進行思考。

Rust

Rust是系統級的程式語言。創建該語言的目的是編寫「安全」程式碼，也就是說對象是由程式本身管理的。這樣程式設計師就無需進行指針計算或獨立管理記憶體。使用的記憶體較少一般會使程式碼更簡潔，因此可能更易於編程。

比其他語言相比，Rust語言的缺點包括編譯器更慢、沒有垃圾回收機制、開發速度慢（與python對比）。

（*本文由AI科技大本營編譯，轉載請聯繫微信1092722531）

【end】