1. 程式人生 > >哪一種編程語言適合人工智能?

哪一種編程語言適合人工智能?

多功能 進展 適合 本質 tro 可視化工具 智能 圍棋 shel

用Python機器學習庫,opencv和haarcascading概念來培訓。建立了樣品POC來檢測通過安置在不同地點的無線攝像頭傳遞回來基礎情感像幸福,生氣,悲傷,厭惡,懷疑,

谷歌的AI擊敗了一位圍棋大師,是一種衡量人工智能突然的快速發展的方式,也揭示了這些技術如何發展而來和將來可以如何發展。

技術分享

人工智能是一種未來性的技術,目前正在致力於研究自己的一套工具。一系列的進展在過去的幾年中發生了:無事故駕駛超過300000英裏並在三個州合法行駛迎來了自動駕駛的一個裏程碑;IBM Waston擊敗了Jeopardy兩屆冠軍;統計學習技術從對消費者興趣到以萬億記的圖像的復雜數據集進行模式識別。這些發展必然提高了科學家和巨匠們對人工智能的興趣,這也使得開發者們了解創建人工智能應用的真實本質。開發這些需要註意的第一件事是:

哪一種編程語言適合人工智能?

你所熟練掌握的每一種編程語言都可以是人工智能的開發語言。

人工智能程序可以使用幾乎所有的編程語言實現,最常見的有:Lisp,Prolog,C/C++,近來又有Java,最近還有Python.

LISP

像LISP這樣的高級語言在人工智能中備受青睞,因為在各高校多年的研究後選擇了快速原型而舍棄了快速執行。垃圾收集,動態類型,數據函數,統一的語法,交互式環境和可擴展性等一些特性使得LIST非常適合人工智能編程。

PROLOG

這種語言有著LISP高層和傳統優勢有效結合,這對AI是非常有用的。它的優勢是解決“基於邏輯的問題”。Prolog提供了針對於邏輯相關問題的解決方案,或者說它的解決方案有著簡潔的邏輯特征。它的主要缺點(恕我直言)是學起來很難。

C/C++

就像獵豹一樣,C/C++主要用於對執行速度要求很高的時候。它主要用於簡單程序,統計人工智能,如神經網絡就是一個常見的例子。Backpropagation 只用了幾頁的C/C++代碼,但是要求速度,哪怕程序員只能提升一點點速度也是好的。

JAVA

新來者,Java使用了LISP中的幾個理念,最明顯的是垃圾收集。它的可移植性使它可以適用於任何程序,它還有一套內置類型。Java沒有LISP和Prolog高級,又沒有C那樣快,但如果要求可移植性那它是最好的。

PYTHON

Python是一種用LISP和JAVA編譯的語言。按照Norvig文章中對Lips和Python的比較,這兩種語言彼此非常相似,僅有一些細小的差別。還有JPthon,提供了訪問Java圖像用戶界面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智能書籍中程序的的原因。JPython可以讓他使用可移植的GUI演示,和可移植的http/ftp/html庫。因此,它非常適合作為人工智能語言的。

在人工智能上使用Python比其他編程語言的好處

優質的文檔

平臺無關,可以在現在每一個*nix版本上使用

和其他面向對象編程語言比學習更加簡單快速

Python有許多圖像加強庫像Python Imaging Libary,VTK和Maya 3D可視化工具包,Numeric Python, Scientific Python和其他很多可用工具可以於數值和科學應用。

Python的設計非常好,快速,堅固,可移植,可擴展。很明顯這些對於人工智能應用來說都是非常重要的因素。

對於科學用途的廣泛編程任務都很有用,無論從小的shell腳本還是整個網站應用。

最後,它是開源的。可以得到相同的社區支持。

AI的Python庫

總體的AI庫

AIMA:Python實現了從Russell到Norvigs的“人工智能:一種現代的方法”的算法

pyDatalog:Python中的邏輯編程引擎

SimpleAI:Python實現在“人工智能:一種現代的方法”這本書中描述過的人工智能的算法。它專註於提供一個易於使用,有良好文檔和測試的庫。

EasyAI:一個雙人AI遊戲的python引擎(負極大值,置換表、遊戲解決)

機器學習庫

PyBrain 一個靈活,簡單而有效的針對機器學習任務的算法,它是模塊化的Python機器學習庫。它也提供了多種預定義好的環境來測試和比較你的算法。

PyML 一個用Python寫的雙邊框架,重點研究SVM和其他內核方法。它支持Linux和Mac OS X。

scikit-learn旨在提供簡單而強大的解決方案,可以在不同的上下文中重用:機器學習作為科學和工程的一個多功能工具。它是python的一個模塊,集成了經典的機器學習的算法,這些算法是和python科學包(numpy,scipy.matplotlib)緊密聯系在一起的。

MDP-Toolkit這是一個Python數據處理的框架,可以很容易的進行擴展。它海收集了有監管和沒有監管的學習算飯和其他數據處理單元,可以組合成數據處理序列或者更復雜的前饋網絡結構。新算法的實現是簡單和直觀的。可用的算法是在不斷的穩定增加的,包括信號處理方法(主成分分析、獨立成分分析、慢特征分析),流型學習方法(局部線性嵌入),集中分類,概率方法(因子分析,RBM),數據預處理方法等等。

自然語言和文本處理庫

NLTK 開源的Python模塊,語言學數據和文檔,用來研究和開發自然語言處理和文本分析。有windows,Mac OSX和Linux版本。

案例

做了一個實驗,一個使用人工智能和物聯網做員工行為分析的軟件。該軟件通過員工情緒和行為的分心提供了一個有用的反饋給員工,從而提高了管理和工作習慣。

使用Python機器學習庫,opencv和haarcascading概念來培訓。建立了樣品POC來檢測通過安置在不同地點的無線攝像頭傳遞回來基礎情感像幸福,生氣,悲傷,厭惡,懷疑,蔑視,譏諷和驚喜。收集到的數據會集中到雲數據庫中,甚至整個辦公室都可以通過在Android設備或桌面點擊一個按鈕來取回。

開發者在深入分析臉部情感上復雜點和挖掘更多的細節中取得進步。在深入學習算法和機器學習的幫助下,可以幫助分析員工個人績效和適當的員工/團隊反饋。

結論

python因為提供像 scikit-learn的好的框架,在人工智能方面扮演了一個重要的角色:Python中的機器學習,實現了這一領域中大多的需求。D3.js JS中數據驅動文檔時可視化最強大和易於使用的工具之一。處理框架,它的快速原型制造使得它成為一門不可忽視的重要語言。AI需要大量的研究,因此沒有必要要求一個500KB的Java樣板代碼去測試新的假說。python中幾乎每一個想法都可以迅速通過20-30行代碼來實現(JS和LISP也是一樣)。因此,它對於人工智能是一門非常有用的語言。

哪一種編程語言適合人工智能?