说个最夸张的例子。假如我们已知X要预测Y,Python做的工作就是找到Y=aX+b这测关系式,特别是a和b的具体数值最值钱。而除此之外的所有工作,从数据采集,软件架构设计,数据库设计与读写,后台运作,分布式处理一直到前端展示可能都是用的Python以外的技术(比如C++)来实现。Python的工作仅仅是得到a和b,仅此而已!
早起人工智能概念还很模糊的时候,很多人也很不解,为什么莫名其妙的,Python怎么就成了开发人工智能的第一语言呢?
人工智能为什么不用C++
事实上,用什么编程语言跟人工智能完全没有关系,只要你愿意,用C++也没有问题。至于为什么Python成为了人工智能的编程语言,原因有很多,这里简单说一下。
01
谷歌的搜索引擎源自Page和Brin的博士论文,当时他们的程序就是用Python写的,当日他们两就决定让谷歌投入做AI时,首选的语言就是Python。在收购DeepMind之后,谷歌开始发布大量的论文,放出的代码也基本上是基于Python的,所以自然而然……
02
这是由于Python的优点决定的,它具有多平台兼容性,代码简洁、可读性强,丰富的开源库等等。
C++在人工智能方面毫无用处?
恰恰相反,C++在人工智能方面的用处很大。目前机器学习的底层框架和所以来的支持库,几乎都是在使用C++。只是相比之下,Python的需求量更大,并不代表C++就没有市场了。
如果你写的是底层的库,那么C语言是最佳的选择,如果是代码量巨大,且有大量底层库支持,保证速度不至于慢到不能接受的程度,Python还是最佳的选择。
为什么招聘的需求不同?
再看一个例子,你就明白了。来自腾讯人工智能职位的招聘。
招聘岗位有:语言识别/合成研究员,机器学习研究员、自然语言处理研究员、计算机视觉研究员、语音识别开发工程师……
阅读一下这些岗位要求,你会发现一条几乎通用:至少精通一种技术语言,包括但不限于Java、C/C++、C#、Python等。
另外,要么就是要求你同时精通C++和Python。
结合上面对C++和Python的阐述,你应该知道为什么有些企业会招聘C++,有些企业会招Python了吧。
编程语言,谁是核心?
不妨再举个例子,下图是TIOBE编程语言排行榜:
每种编程语言,都有他们的优势和劣势,他们可能因为市场的需求而有了冷热之分。如果你非得分出谁才是最重要的编程语言,我只能告诉你:
“PHP是世界上最好的语言”
——摘自W3Cshool学员的回答
人工智能,就是让机器可以像人一样思考问题。典型的场景有:图像识别、自然语言处理、语音处理、动态物体跟踪、可运动的机器人,等等。
而早期的深蓝下国际象棋,胜过人类,就不能叫智能。因为它基本上是以穷举为主,深蓝的每一步操作都是精确可描述的,是“可知”的,是机器思维而不是人类思维。相反,AlphaGo就连开发者都搞不清楚这机器是怎么运作的。它就是个“黑匣子”。它模拟的是人的“感觉”而不是一堆人类发明的精确围棋算法公式。感觉是无法用语言描述的。
简单算术运算也不是智能,因为人类列算式计算的每一步都是可精确描述的。同样电子计算器在算术运算时的每一个步骤同样也是如此(虽然它用的是二进制计算,数字电路,泰勒级数展开等与人类不太一样的方法)。
人工智能要模拟人的“感觉”,就必须训练,也可以叫做“学习”。比如让它区分猫和狗,就给它几万张猫和狗的图片,让它自己去慢慢学习。在学习前,人类只需要告诉它某张图是猫或是狗,其他信息一概不用多说。比如完全没有必要提醒它有胡子的就是猫。
训练是个反复迭代的过程,就是说需要不断地探索,此路不通,就换一条路,非常艰辛。现实中,往往是不断地调整神经网络的参数,不断地对比训练结果。多数时候还要数据预处理,以及辅助传统的机器学习、传统图像处理、模式识别等技术。
那么,上述过程,谁最擅长?现在公认的就是Python。
Python是解释性语言而,弱类型,用起来很方便,开发效率大大高过C++、JAVA等语言,而且有很多现成的机器学习、深度学习、科学计算库,这些都是它作为人工智能语言的优势。AlphaGo的顶层代码大部分是用的Python,AlphaGo的成功,也对Python起了很大的推动作用。
训练是人工智能的很难的一部分,但是绝对不是人工智能的全部。人工智能还包括前期的数据获取、数据预处理和后期的实际应用。
这时候,C++的作用又一次体现出来了!
这还没完。人工智能的载体可能会很精简。比方说嵌入到人体,嵌入到汽车,这么小的系统,不是Python的天下。还有机器人,是可以运动的,如何驱动机器动,这不还是C++的强项嘛。
另外,还涉及到前期的数据采集和预处理。比如图像、音频、视频,需要实时感知,包括必要的预处理(比如灰度化、关键部位快速定位)。这就要用到音频视频的高效处理,数据通信,物联网等技术。这不还是C++的强项吗?
总之,在人工智能开发的整个过程中,Python主要处理算法模型部分,而具体的前期数据获取和后期与外部设备部分的交互则可以用C++来实现。
不过,从目前来看,人工智能最主要和最难的部分依然是由Python来实现的。
这个问题我有答案,顶我上去。
因为这两个岗位要干的活完全不一样。
第一个要求python和tensorflow说明整个工作主要在设计模型,训练模型,最后可能的输出形式是用模型离线算一批数据或者用GPU在服务器部署;所以不需要太多的C/C++工程能力。
第二个工作要求C/C++,特别有一条要在手机客户端部署,这个要求就高很多了,不只是模型训练,你还需要在手机上实现模型,手机上可没有CUDA生态的GPU,主要是一些协处理器,没法直接上tensorflow。所以此时,比较好的方案就是用C/C++来进行CPU编程实现模型。
这个主要看这个岗位招收的人员是需要进行哪个层次的编程工作。
C++在继承了C语言的优点的同时加入了面向对象的内容。所以C++语言不但可以构建效率较高的底层具体的算法实现,又有良好的扩展性和代码重用性。所以一般在追求高效运行的底层算法中,我们一般使用C或C++来进行构建。
python语言作为一种解释性语言,运行效率比较低。但是python上已经具有了大量构建好的人工智能算法库。所以python语言更适于构建上层框架。这样不但构建效率高,容易调试。因此在上层算法中通常使用python语言构建应用层框架。
通过两种语言的配合方式充分利用了两种开发语言的长处和有点,也利于保持原有语言类型上所进行的原有开发。
因此,在人工智能岗位的招聘中,大一些的公司都会分开来进行招聘。需要底层算法实现的招熟悉C或C++的人,需要高层算法实现的招熟悉python的人。
这么说吧,C++学精了,上手其他编程语言会简单许多,有很多优势,python主要是上手简单,但是精通也不容易。程序语言也没有哪个更重要,只有哪个更适合。人工智能的开发的核心库一般都也是C++写的,只是提供了python程序语言接口,因为它更便捷。在开发过程中遇到性能调优的问题时还是会绕回到C++的。
其实人工智能可以用到很多种语言,不只是Python和C/C++,还有Java,以及lisp,prolog.不过目前来看,还是Python和C++用得更多。
而Python其实是人工智能的首选语言,而且想要入门Python比其他语言都会容易些。当然了,不是说C++在人工智能中就毫无用处了,而是相比Python,它更不适合用在人工智能上。为什么?
看看它的缺点:1.遵循自上而下的方法,语言比较复杂;2.仅仅是更适合实现特定系统或者是算法核心/基础。
而Python呢?优势更多:1.开发速度明显比C++更快;2.有各种各样的库和工具;3.它面向对象;4.它还支持算法测试。
C++是所有语言的基础,现在很多编程语言都是由此衍生过来的,因为精通C++太难了,其语言的繁琐性,很多人都在半路上就放弃了,所以才出现了之后的很多简洁版的编程语言。
所以就当前的学习趋势来看,很多人都会选择Python,不仅仅是因为Python具有强大的数据库,对人工智能技术有着更多的优势,还因为相对于C++语言来说,是简单容易入门,容易上手的!很多零基础的同学也是可以学会的!
平常训练使用python,真正上线的时候用cpp。因为如果用python环境是个问题,一台机器一台机器的搭建paddleortensorflow太麻烦了,况且效率也不高。将预测的代码写成cpp的,只把依赖的库拷贝出来放到每台机器上就行了。