人工智能用什么编程?怎么转行做人工智能?

典型的人工智能语言主要有LISP、Prolog、Smalltalk、C++等。

在人工智能手册中介绍了七种人工智能语言：

LISP,PLANNER,CINNIVER,QLISP,POP-2,SAIL,FUZZY。近百种人工智能语言中，只有LISP和后起之秀Prolog是人工智能研究和应用中占重要地位的两种人工智能程序设计语言。

一般来说，人工智能语言应具备如下特点：

·具有符号处理能力（即非数值处理能力）；

·适合于结构化程序设计，编程容易；

·具有递归功能和回溯功能；

·具有人机交互能力；

·适合于推理；

·既有把过程与说明式数据结构混合起来的能力，又有辨别数据、确定控制的模式匹配机制。

可否认的。

谈到LISP和PROLOG两种AI语言的重要性，我们可以从美国AI界的权威学者、麻省理工学院教授P.H.Winston(温斯顿)所说的三段话来体会：

(1)温斯顿认为，LISP 语言是AI的数学，不仅对AI的机器实现有重要意义，而且是AI理论研究的重要工具。

(2)“在中世纪，拉丁文和希腊文的知识对所有学者来说，都是必不可少的。只懂一种语言的学者必然是一个残缺不全的学者，他缺乏从两个方面来观察世界所获得的那种理解力。同样地，现代的AI专业人员如果不能同时大致通晓LISP和Prolog，也犹如一个残疾人,因为就广义来说,这两种人工智能的主要语言的知识都是必不可少的。”

“我一直热衷于Lisp，Lisp是在MIT被制造并且在那儿成长起来的。”

(3)概括地说,计算机语言的发展正是一个从HOW型低级语言向WHAT型高级语言进化的过程.在HOW型语言中,程序编制者必须详细说明运算是怎样(HOW)一步一步进行的;而在WHAT型语言中,程序编制者只需简单说明要做的事情是什么(WHAT) 。 ?现代的LISP语言是这些语言的佼佼者,因为采用Common Lisp格式的Lisp具有非凡的表现力,但是如何做某件事情仍然是有待于Lisp程序编制者来表达的东西.相反,Prolog是一种明显地冲破了HOW型语言陈规的语言, 它鼓励程序编制者去描述情况和问题,而不是那些用来解决问题的详细步骤。”

由以上论述可以看出LISP语言和Prolog语言对人工智能学科和人工智能学者的重要性。

一般来说,LISP可以称为人工智能的汇编语言, Prolog是人工智能更高级的语言。

一、Python是解释语言，程序写起来非常方便
写程序方便对做机器学习的人很重要。 因为经常需要对模型进行各种各样的修改，这在编译语言里很可能是牵一发而动全身的事情，Python里通常可以用很少的时间实现。举例来说，在C等编译语言里写一个矩阵乘法，需要自己分配操作数（矩阵）的内存、分配结果的内存、手动对BLAS接口调用gemm、最后如果没用smart pointer还得手动回收内存空间。Python几乎就是import numpy; numpy.dot两句话的事。
当然现在很多面向C/C++库已经支持托管的内存管理了，这也让开发过程容易了很多，但解释语言仍然有天生的优势——不需要编译时间。这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。
二、Python的开发生态成熟，有很多有用的库可以用
Python灵活的语法还使得包括文本操作、list/dict comprehension等非常实用的功能非常容易高效实现（编写和运行效率都高），配合lambda等使用更是方便。这也是Python良性生态背后的一大原因。相比而言，Lua虽然也是解释语言，甚至有LuaJIT这种神器加持，但其本身很难做到Python这样，一是因为有Python这个前辈占领着市场份额，另一个也因为它本身种种反常识的设计（比如全局变量）。不过借着Lua-Python bridge和Torch的东风，Lua似乎也在寄生兴起。
三、Python效率超高
解释语言的发展已经大大超过许多人的想象。很多比如list comprehension的语法糖都是贴近内核实现的。除了JIT之外，还有Cython可以大幅增加运行效率。最后，得益于Python对C的接口，很多像gnumpy, theano这样高效、Python接口友好的库可以加速程序的运行，在强大团队的支撑下，这些库的效率可能比一个不熟练的程序员用C写一个月调优的效率还要高。
未来十年Python语言的发展前景形势一片大好，毫无疑问使用Python语言的企业将会越来越多，Python程序猿的人才缺口也将越来越大，认准时机，把握机遇，Python全栈开发工程师、Python开发工程师、自动化开发工程师、Linux运维工程师、Python爬虫开发工程师、前端开发工程师、大数据分析和数据挖掘等热门职位等你来选。
一、Python是解释语言，程序写起来非常方便
写程序方便对做机器学习的人很重要。 因为经常需要对模型进行各种各样的修改，这在编译语言里很可能是牵一发而动全身的事情，Python里通常可以用很少的时间实现。举例来说，在C等编译语言里写一个矩阵乘法，需要自己分配操作数（矩阵）的内存、分配结果的内存、手动对BLAS接口调用gemm、最后如果没用smart pointer还得手动回收内存空间。Python几乎就是import numpy; numpy.dot两句话的事。
当然现在很多面向C/C++库已经支持托管的内存管理了，这也让开发过程容易了很多，但解释语言仍然有天生的优势——不需要编译时间。这对机器学习这种需要大量prototyping和迭代的研究方向是非常有益工作效率的。
二、Python的开发生态成熟，有很多有用的库可以用
Python灵活的语法还使得包括文本操作、list/dict comprehension等非常实用的功能非常容易高效实现（编写和运行效率都高），配合lambda等使用更是方便。这也是Python良性生态背后的一大原因。相比而言，Lua虽然也是解释语言，甚至有LuaJIT这种神器加持，但其本身很难做到Python这样，一是因为有Python这个前辈占领着市场份额，另一个也因为它本身种种反常识的设计（比如全局变量）。不过借着Lua-Python bridge和Torch的东风，Lua似乎也在寄生兴起。
三、Python效率超高
解释语言的发展已经大大超过许多人的想象。很多比如list comprehension的语法糖都是贴近内核实现的。除了JIT之外，还有Cython可以大幅增加运行效率。最后，得益于Python对C的接口，很多像gnumpy, theano这样高效、Python接口友好的库可以加速程序的运行，在强大团队的支撑下，这些库的效率可能比一个不熟练的程序员用C写一个月调优的效率还要高。
未来十年Python语言的发展前景形势一片大好，毫无疑问使用Python语言的企业将会越来越多，Python程序猿的人才缺口也将越来越大，认准时机，把握机遇，Python全栈开发工程师、Python开发工程师、自动化开发工程师、Linux运维工程师、Python爬虫开发工程师、前端开发工程师、大数据分析和数据挖掘等热门职位等你来选。

Python语法简单，功能多样，是开发人员最喜爱的AI开发编程语言之一，因为它允许开发人员创建交互式，可解释式性，模块化，动态，可移植和高级的代码，这使得它比Java语言更独特。Python非常便携，可以在Linux，Windows等多平台上使用。另外，Python是一种多范式编程语言，支持面向对象，面向过程和函数式编程风格。由于它拥有简单的函数库和理想的结构，Python很适合神经网络和自然语言处理（NLP）解决方案的开发。
但是，习惯于Python的开发人员在尝试使用其他语言时，难以调整状态使用不同的语法进行开发。与C ++和Java不同，Python在解释器的帮助下运行，在AI开发中这会使编译和执行变的更慢，不适合移动计算

人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。人工智能和深度学习都只是算法的形式，用什么语言都可以，现在主流的就是C++和python两种，两种语言也各有相应的工具箱。如果要做科研，也可以用Matlab。

“人工智能”这个词一开始是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是对人的意识、思维的信息过程的模拟。人工智能开发主要学哪门语言？
据了解，人工智能目前主要是机器学习实现的，而目前做机器学习和数据挖掘的主要语言是python。但主要原因并不是python效率高或者python和人工智能有什么不可分割的联系，而是因为python是一门很好的胶水语言，可以方便的调用别人（用各种语言）写的库，而且表达清晰灵活。
实际上，机器学习的核心知识和python并没有本质关系，python只是因为表达能力强，所以被广泛用于机器学习开发而已。因此目前来看，Python是人工智能的首选语言。
人工智能时代的到来，让人们不禁产生了一些思考，不管是好是坏。但是无论结果如何，这个时代究竟还是来了：
搭台，唱戏，台下的吃瓜群众懵懂生活、不知不觉间被卷入，在技术迭代发展的洪流中，向来如此。在基础技术维度，大数据管理和云计算技术已经在国内生根发芽，从IaaS、PaaS到SaaS，逐渐转变为大众化服务的基础平台：
腾讯、阿里、百度、华为等巨头们依托自身数据、算法、技术和服务器优势正着力构建各自的产业链闭环。而在应用技术维度，在机器学习、模式识别和人机交互三条技术路线下附着的机器视觉、指纹识别、人脸识别、智能搜索、语言和图像理解、遗传编程等众多领域，正蓬勃兴盛，也诞生了多家代表性企业。
也因为各企业的诞生，也有越来越多的企业需要人工智能人才。所以，如果大家掌握了Python，是否就能更好地在人工智能行业大展拳脚呢？

我个人觉得的话选择机构这种事情，还是需要自己去感觉的，而且现在一般的线上教育都会有公开课体验，你可以先去感觉一下。
首先可以明确的是：承诺包教包会、x月速成的，都是不靠谱的;说是人工智能培训，但从头到尾一门课完事的，都是不专业的。此类培训班培训的都是伪人工智能，学员付出高额学费也只能学个普通编程。
我个人推荐的话是湖南自兴人工智能，这样真正专业的人工智能培训机构的教学安排中，理论和实践课程同等重要。理论课程一般包含了数学和计算机基础、语言、机器学习、深度学习等等，实践课程为算法实操与项目练习。值得一提的是，目前国内只有自兴人工智能学院 具备向学员提供实训的条件。自兴 拥有全国首家省级人工智能专业性研究机构——自兴人工智能研究院 ，依托研究院，自兴人工智能学院 的学员有机会参与大型真实项目实训，将理论与实践结合，相当于在入职前就拥有了实战经验。有兴趣的话可以私信我，我给你发公开课链接，先去看一下教师实力或者上网查查资料也是可以的。

随着人工智能时代呼声渐起，Python凭借其入门简单、应用广泛的优势成为很多想要入行互联网行业的人们的首选编程语言。如果你想学一门语言，可以从语言的适用性、学习的难易程度、企业主的要求几个方面考虑。从这几个角度看，学习Python都没有什么可挑剔的。
如果你想要专业的学习Python开发，更多需要的是付出时间和精力，一般在2w左右，时间在4-6个左右。可以根据自己的实际需求去实地看一下，先好好试听之后，再选择适合自己的。只要努力学到真东西，前途自然不会差。

人工智能用的编程语言：Python、Java、Lisp、Prolog、C ++、Yigo。 

1、Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其他常用的AI算法一起使用。Python之所以时候AI项目，其实也是基于Python的很多有用的库都可以在AI中使用。

2、Java也是AI项目的一个很好的选择。它是一种面向对象的编程语言，专注于提供AI项目上所需的所有高级功能，它是可移植的，并且提供了内置的垃圾回收。另外Java社区也是一个加分项，完善丰富的社区生态可以帮助开发人员随时随地查询和解决遇到的问题。一。

3、Lisp因其出色的原型设计能力和对符号表达式的支持在AI领域崭露头角。LISP作为因应人工智能而设计的语言，是第一个声明式系内函数式程序设计语言，有别于命令式系内过程式的C、Fortran和面向对象的Java、C#等结构化程序设计语言

4、Prolog与Lisp在可用性方面旗鼓相当，据《Prolog Programming for ArTIficial Intelligence》一文介绍，Prolog一种逻辑编程语言，主要是对一些基本机制进行编程，对于AI编程十分有效。

5、C ++是世界上速度最快的编程语言，其在硬件层面上的交流能力使开发人员能够改进程序执行时间。 C ++对于时间很敏感，这对于AI项目是非常有用的，例如，搜索引擎可以广泛使用C ++。

在AI项目中，C++可用于统计，如神经网络。另外算法也可以在C ++被广泛地快速执行，游戏中的AI主要用C ++编码，以便更快的执行和响应时间。

Python、Java、Lisp、Prolog、C ++、Yigo。

Python由于简单易用，是人工智能领域中使用最广泛的编程语言之一，它可以无缝地与数据结构和其他常用的AI算法一起使用。

Python之所以适合AI项目，其实也是基于Python的很多有用的库都可以在AI中使用，如Numpy提供科学的计算能力，Scypy的高级计算和Pybrain的机器学习。

Java也是AI项目的一个很好的选择。它是一种面向对象的编程语言，专注于提供AI项目上所需的所有高级功能，它是可移植的，并且提供了内置的垃圾回收。另外Java社区也是一个加分项，完善丰富的社区生态可以帮助开发人员随时随地查询和解决遇到的问题。

对于AI项目来说，算法几乎是灵魂，无论是搜索算法、自然语言处理算法还是神经网络，Java都可以提供一种简单的编码算法。另外，Java的扩展性也是AI项目必备的功能之一。

人工智能是一种未来性的技术，目前正在致力于研究自己的一套工具。一系列的进展在过去的几年中发生了：无事故驾驶超过300000英里并在三个州合法行驶迎来了自动驾驶的一个里程碑;IBM Waston击败了Jeopardy两届冠军;统计学习技术从对消费者兴趣到以万亿记的图像的复杂数据集进行模式识别。这些发展必然提高了科学家和巨匠们对人工智能的兴趣，这也使得开发者们了解创建人工智能应用的真实本质。

谷歌的AI击败了一位围棋大师，是一种衡量人工智能突然的快速发展的方式，也揭示了这些技术如何发展而来和将来可以如何发展。

哪一种编程语言适合人工智能?

你所熟练掌握的每一种编程语言都可以是人工智能的开发语言。人工智能程序可以使用几乎所有的编程语言实现，最常见的有：Lisp,Prolog,C/C++，近来又有Java，最近还有Python.

LISP

像LISP这样的高级语言在人工智能中备受青睐，因为在各高校多年的研究后选择了快速原型而舍弃了快速执行。垃圾收集，动态类型，数据函数，统一的语法，交互式环境和可扩展性等一些特性使得LIST非常适合人工智能编程。

PROLOG

这种语言有着LISP高层和传统优势有效结合，这对AI是非常有用的。它的优势是解决“基于逻辑的问题”。Prolog提供了针对于逻辑相关问题的解决方案，或者说它的解决方案有着简洁的逻辑特征。它的主要缺点(恕我直言)是学起来很难。

C/C++

就像猎豹一样，C/C++主要用于对执行速度要求很高的时候。它主要用于简单程序，统计人工智能，如神经网络就是一个常见的例子。Backpropagation 只用了几页的C/C++代码，但是要求速度，哪怕程序员只能提升一点点速度也是好的。

JAVA

新来者，Java使用了LISP中的几个理念，最明显的是垃圾收集。它的可移植性使它可以适用于任何程序，它还有一套内置类型。Java没有LISP和Prolog高级，又没有C那样快，但如果要求可移植性那它是最好的。

Python

Python是一种用LISP和JAVA编译的语言。按照Norvig文章中对Lips和Python的比较，这两种语言彼此非常相似，仅有一些细小的差别。还有JPthon，提供了访问Java图像用户界面的途径。这是PeterNorvig选择用JPyhton翻译他人工智能书籍中程序的的原因。JPython可以让他使用可移植的GUI演示，和可移植的http/ftp/html库。因此，它非常适合作为人工智能语言的。

在人工智能上使用Python比其他编程语言的好处

优质的文档

平台无关，可以在现在每一个*nix版本上使用

和其他面向对象编程语言比学习更加简单快速

Python有许多图像加强库像Python Imaging Libary,VTK和Maya 3D可视化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于数值和科学应用。

Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。

对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。

最后，它是开源的。可以得到相同的社区支持。

AI的Python库

总体的AI库

AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法

pyDatalog：Python中的逻辑编程引擎

SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。

EasyAI：一个双人AI游戏的python引擎(负极大值，置换表、游戏解决)

机器学习库

PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。

PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。

scikit-learn旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包(numpy,scipy.matplotlib)紧密联系在一起的。

MDP-Toolkit这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法(主成分分析、独立成分分析、慢特征分析)，流型学习方法(局部线性嵌入)，集中分类，概率方法(因子分析，RBM),数据预处理方法等等。 自然语言和文本处理库

NLTK 开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析。有windows,Mac OSX和Linux版本。

结论

python因为提供像 scikit-learn的好的框架，在人工智能方面扮演了一个重要的角色：Python中的机器学习，实现了这一领域中大多的需求。D3.js JS中数据驱动文档时可视化最强大和易于使用的工具之一。处理框架，它的快速原型制造使得它成为一门不可忽视的重要语言。AI需要大量的研究，因此没有必要要求一个500KB的Java样板代码去测试新的假说。python中几乎每一个想法都可以迅速通过20-30行代码来实现(JS和LISP也是一样)。因此，它对于人工智能是一门非常有用的语言。

案例

做了一个实验，一个使用人工智能和物联网做员工行为分析的软件。该软件通过员工情绪和行为的分心提供了一个有用的反馈给员工，从而提高了管理和工作习惯。

使用Python机器学习库，opencv和haarcascading概念来培训。建立了样品POC来检测通过安置在不同地点的无线摄像头传递回来基础情感像幸福，生气，悲伤，厌恶，怀疑，蔑视，讥讽和惊喜。收集到的数据会集中到云数据库中，甚至整个办公室都可以通过在Android设备或桌面点击一个按钮来取回。

开发者在深入分析脸部情感上复杂点和挖掘更多的细节中取得进步。在深入学习算法和机器学习的帮助下，可以帮助分析员工个人绩效和适当的员工/团队反馈。

Python，Java，Lisp，Prolog，C ++

Python因为适用于大多数AI sub-field，所以渐有成为AI编程语言之首的趋势，而Lisp和Prolog因其独特的功能，所以在部分AI项目中卓有成效，地位暂时难以撼动。而Java和C++的自身优势将在AI项目中继续保持。