人工智能是一定要学习python吗？还会用到哪些语

作为一个多年的从业者，我想说的是Python和人工智能是两个完全不同的概念，Python只是一种编程语言，而人工智能是一种科学方法，主要研究如何通过计算机实现类似人类智能的装置或者程序。Python作为一种计算机编程语言，可以作为实现人工智能的编程工具，但是它并不是唯一的选择。

先来简单介绍下人工智能的实现方法，目前主要有两种流派。

一种是基于神经网络的机器学习，也就是近年来随着Google的阿尔法狗战胜世界围棋冠军而再次（之所以用再次，是因为它曾经也火爆过一段时间，后来遇到技术瓶颈又沉寂了）火爆起来的技术。Google为了方便人工智能的开发，开源了TensorFlow库，该库可以极大的方便人工神经网络的开发与试验，受到了广大研究者的青睐，而作为开发TensorFlow的编程语言——Python自然也就成为研究者必学的工具。此外，还有FaceBook的开源项目PyTorch也是一个很优秀的机器学习库，同样也使用Python作为开发语言，这就又给Python增加了许多使用者。其实，还有很多语言也能进行人工智能开发，比如Matlab和C/C++也是一些广泛使用的语言，只不过编程过程会稍微复杂一些罢了。

还有一种人工智能的实现方法是基于演绎逻辑的推理方法，曾经火爆一时的专家系统就是基于这种技术，只是因为近几年深度学习如日中天，掩盖了它的光辉，这种模式的人工智能实现方法使用的编程语言则是Lisp和Prolog。

此外，还要提醒一下题注，想要学习人工智能，只会编程是远远不够的，它需要扎实的数学基础，从线性代数、概率过程、到微积分，甚至还有张量分析等，有了这些基础知识，才能看懂并改进各种学习算法。至于你的算法用什么语言实现，则相对要简单很多，当然Python就是一个不错的选项，比起其它语言更简洁，更易学，关键是有强大的库支持。

编程语言只是一种工具不论是Python还是其他语言，对于人工智能来说只是一种实现工具，所以未来任何一种语言都可以代替Python来实现人工智能的编译。

Python之所以随着人工智能爆火，是因为它的表达简单，目前所有的教程和教材都是基于Python的。

而且目前主流的TensorFlow系列、pytorch、openCV等框架都是用Python来开发的，Python以它强大的库和兼容性占领了人工智能这块的基础编程。

但是随着工业界的进入，很多人工智能的技术需要通过嵌入式和硬件结合，所以目前C和C++也开始焕发第二春。

然后还有一些偏门的用PHP和Java去实现，来满足甲方的一些变态要求，基本就是这些语言了。

为什么人工智能的研究都是基于算法，而不是基于“硬件”？

首先，问题就有问题，人工智能的研究既基于算法，又需要硬件。

NVIDIA每年更新显卡都不只是更新gtx 680、gtx780…gtx1080这些游戏显卡。如果你对人工智能、支持向量机、卷积神经网络等有了解，那你应该知道每次NVIDIA发布新卡都会有丽台的卡，价格比游戏显卡昂贵，从丽台 p100到p4000到现在的丽台GV100。每一次更新其计算能力都发生了飞跃。

那么问题来了，为啥研究人工智能就研究算法而不做硬件？其实这两方面都有人做，各司其职，做算法的人研究如何运用卷积神经网络进行识别，面对爆炸的信息量如何最大化榨取处理器的计算能力。而做硬件的行业操心如何能让其核心拥有更强大的计算单元，更低的功耗。

现在人工智能面临的问题，不是快和慢，而是有些事情做不到。根据现有的计算理论：即使把神经元近似的实现为一些计算芯片，即使用CMOS的方式搭出一个神经网络，它的计算能力和用软件写出来的卷积神经网络并没有本质的区别。

目前人工智能发展的困难不在于是否用硬件实现，而在于算法。

举个不恰当的例子，要想让马儿跑，得先让马儿走起来再说，现在马儿连站都站不起来，谈何马儿跑。

关于详细的如何选择，选择哪方面的研究，以及国内外领先的的课题组和相应的研究，我想，这个论文调研需要自己动手做才更深刻。我的导师常跟我说：“授人以鱼不如授人以渔”。希望你能学到点什么。

人工智能是研究，开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术学科。

人工智能的本质是像人一样思考和行为，甚至超人类。关键是运算能力，分析能力和处理能力。

所以，人工智能的研究基于软件，也基于硬件。

华为首款AI芯片麒麟970，植入了嵌入式神经网络处理器(NPU)，创新HiAI移动计算架构，就像人脑一样，高速计算，传输和反应。

BAT亦正大幅投资AI项目，其中大部分和芯片相关。

没有硬件的支持，软件像是无风起不了浪。

图片来自于网络，谢谢大家。