目前人工智能領(lǐng)域的研發(fā)主要采用的編程語言集中在Python、C系列、Java、R、Lisp等編程語言，目前Go語言的上升趨勢也相對比較明顯，也可以重點關(guān)注一下。

Python語言目前在人工智能領(lǐng)域的應(yīng)用是比較普遍的，主要原因有三點，其一是Python語言實現(xiàn)起來比較容易，Python語言當(dāng)中有大量的庫可以直接使用，這會在很大程度上方便人工智能的開發(fā)，比如pandas、Scipy、Numpy等庫；其二是Python語言本身能夠完成落地應(yīng)用，生態(tài)環(huán)境比較健全；其三是Python程序調(diào)整起來比較方便，由于目前人工智能領(lǐng)域的研發(fā)尚處在早期，需要頻繁的調(diào)整，這也是Python得到大量應(yīng)用的重要原因。

Python除了在人工智能領(lǐng)域的應(yīng)用比較廣泛之外，Python在大數(shù)據(jù)和嵌入式開發(fā)領(lǐng)域也有大量的應(yīng)用場景，而大數(shù)據(jù)和嵌入式開發(fā)與人工智能也有密切的聯(lián)系，所以未來Python在產(chǎn)業(yè)互聯(lián)網(wǎng)階段的應(yīng)用前景還是比較廣闊的。

C、C++、C#等語言在人工智能領(lǐng)域也有大量的應(yīng)用，相對于Lisp專注于科研不同，C語言系列編程語言有較強的落地能力，尤其是C++語言既有強大的設(shè)計能力，又有較強的運行性能，所以在行業(yè)應(yīng)用領(lǐng)域的應(yīng)用是比較廣泛的，比如工業(yè)機器人和智能裝備領(lǐng)域就有大量的應(yīng)用場景。相信在產(chǎn)業(yè)互聯(lián)網(wǎng)階段，C系列依然是不可或缺的編程語言。

Go語言主要專注于性能的提升，隨著大數(shù)據(jù)和云計算的發(fā)展，未來Go語言的發(fā)展前景還是比較值得期待的，Go語言通過大數(shù)據(jù)進入人工智能領(lǐng)域也相對比較容易，所以對于傳統(tǒng)開發(fā)人員來說，也可以重點關(guān)注一下Go語言，但是從目前人工智能領(lǐng)域的應(yīng)用生態(tài)來看，Python語言可以作為初學(xué)者的首選。

我從事互聯(lián)網(wǎng)行業(yè)多年，目前也在帶計算機專業(yè)的研究生，主要的研究方向集中在大數(shù)據(jù)和人工智能領(lǐng)域，我會陸續(xù)寫一些關(guān)于互聯(lián)網(wǎng)技術(shù)方面的文章，感興趣的朋友可以關(guān)注我，相信一定會有所收獲。

如果有互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區(qū)留言！

python應(yīng)該是現(xiàn)在用的最多的了，其次就是C/C++，小眾一點的就是像LUA這種，也有專門做算法研究的用matlab，我們實驗室一般是matlab做基礎(chǔ)算法實驗，python做AI神經(jīng)網(wǎng)絡(luò)搭建，C/C++做工程上的應(yīng)用封裝。

實際上，選擇語言還是要看你具體做什么，相信對于程序猿來說，只要精通了一個語言，其他語言上手到熟悉花不了太多時間。

現(xiàn)在各大主流AI框架基本上都同時提供有各類語言的接口，如果只是使用，那基本上用自己熟悉的語言，如果還需要學(xué)習(xí)研究甚至改造框架和一些底層算法，那還是python適用面更廣。

python是智能機器人的開發(fā)語言嗎？

智能機器人屬于人工智能的一種應(yīng)用，但是它又不同于一般的人工智能程序。

常規(guī)的人工智能通常是通過收集數(shù)據(jù)并訓(xùn)練模型，然后使用該模型進行預(yù)測，常見的應(yīng)用有回歸、分類等。使用較多的開發(fā)語言包括Python、Matlab、C/C++以及其它語言。

還有一種人工智能的實現(xiàn)方式，稱之為專家系統(tǒng)，它的開發(fā)語言是Prolog。

智能機器人則除了訓(xùn)練學(xué)習(xí)之外，還需要有執(zhí)行機構(gòu)，這里就會涉及到很多運動控制方面的技術(shù)，所以要比常規(guī)的人工智能軟件難很多。然而只有有困難，就會有解決困難的人，于是為了方便智能機器人的開發(fā)，ROS系統(tǒng)應(yīng)運而生，而且還是開源軟件。不同于Windows和Linux等常規(guī)的操作系統(tǒng)，它是一個專門針對智能機器人開發(fā)的平臺，當(dāng)然使用的編程語言可以選擇C/C++，也可以使用Python。

Python可以開發(fā)人工智能，但不是唯一的，比較流行的人工智能開發(fā)語言，如下：

1. Python

第一，毫無疑問是 Python。盡管 Python 仍存在許多問題，例如空格 / Tab 縮進及 Python 2 和 Python 3 之間的不兼容性。但是，當(dāng)你面對與 AI 相關(guān)的工作時，依然推薦選擇使用 Python。

Python 提供的第三方工具是無與倫比的。例如，NumPy 已經(jīng)變得無處不在，它幾乎是張量操作的標(biāo)準(zhǔn) API；Pandas 將 R 強大而靈活的 DataFrame 帶入 Python；對于自然語言處理（NLP），你可以利用 NLTK 和快速的 SpaCy；對于機器學(xué)習(xí)，有久經(jīng)沙場的 scikit-learn；而對于深度學(xué)習(xí)，所有當(dāng)前的第三方庫，諸如 TensorFlow，PyTorch，Chainer，Apache MXNe 以及 Theano，都是為 Python 量身打造。

當(dāng)你閱讀到 arXiv 上有關(guān)深度學(xué)習(xí)的前沿研究論文時，你一定能找到對應(yīng) Python 版本的源代碼。Python 還有其他優(yōu)秀之處，雖然 IPython 已經(jīng)漸漸被 Jupyter Notebook 取代，從而兼容更多的語言，但絕大多數(shù) Jupyter Notebook 用戶以及大多數(shù)在線分享的 Notebook 都在使用 Python。

Python 是人工智能研究的前沿語言，是擁有機器學(xué)習(xí)和深度學(xué)習(xí)框架最多的語言，也是 AI 領(lǐng)域幾乎所有人都在使用的語言。因此，無論大家每天如何抱怨空格 / Tab 縮進問題，Python 都是人工智能編程語言中的首選。

2. Java 系列

JVM 系列語言（Java，Scala，Kotlin，Clojure 等）也是 AI 應(yīng)用程序開發(fā)的絕佳選擇。無論是自然語言處理（CoreNLP），張量運算（ND4J）還是完整的 GPU 加速深度學(xué)習(xí)堆棧（DL4J），都可以有大量數(shù)據(jù)庫可以使用。另外，您還可以輕松訪問 Apache Spark 和 Apache Hadoop 等大數(shù)據(jù)平臺。

Java 是大多數(shù)企業(yè)的通用語言，Java 8 和 Java 9 中提供了新的語言結(jié)構(gòu)，讓編寫 Java 代碼不再那么痛苦。使用 Java 編寫人工智能應(yīng)用程序可能會有些無聊，但它可以確保完成工作，并將所有現(xiàn)有的 Java 基礎(chǔ)架構(gòu)用于開發(fā)，部署和監(jiān)控。

3. C / C ++

開發(fā) AI 應(yīng)用程序，C / C ++ 可能不是你的首選，但如果在嵌入式環(huán)境中工作，并且無法負擔(dān) Java 虛擬機或 Python 編譯器較慢的運行速度，那么 C / C ++ 就是最佳選擇。

值得慶幸的是，現(xiàn)在的 C / C ++ 代碼簡單多了，你可以使用 CUDA 等庫來編寫自己的代碼，直接在 GPU 上運行，也可以使用 TensorFlow 或 Caffe 獲取靈活的高級 API 訪問權(quán)限。后者還允許您導(dǎo)入數(shù)據(jù)科學(xué)家用 Python 構(gòu)建的模型，然后以 C / C ++ 的速度在環(huán)境中運行它們。

另外，你也可以關(guān)注 Rust 在未來一年的應(yīng)用。結(jié)合了 C / C ++ 的速度與類型和數(shù)據(jù)安全性，Rust 是既能實現(xiàn)功能而又不造成安全性問題的最佳選擇。

4. JavaScript

JavaScript 是怎么回事？ 谷歌最近發(fā)布了 TensorFlow.js，這是一個 WebGL 加速庫，能實現(xiàn)在 Web 瀏覽器中訓(xùn)練和運行機器學(xué)習(xí)模型。它還擁有 Keras API，并且能加載和使用在常規(guī) TensorFlow 中訓(xùn)練過的模型。這可能會吸引大量開發(fā)人員涌入 AI 領(lǐng)域。雖然 JavaScript 目前訪問機器學(xué)習(xí)庫的方式與其他語言不同，但開發(fā)人員在網(wǎng)頁中添加神經(jīng)網(wǎng)絡(luò)，就像添加 React 組件或 CSS 屬性一樣簡單。

TensorFlow.js 仍處于早期階段。目前它無法在 Node.js 中工作，且還沒有實現(xiàn)完整的 TensorFlow API。不過，預(yù)計到 2018 年底，這兩個問題都將基本得到解決。屆時，JavaScript 在 AI 應(yīng)用中的地位將會越來越高。

5. R

R 位列前五的末位，呈衰落趨勢。 R 是數(shù)據(jù)科學(xué)家喜歡的語言，正因為它以數(shù)據(jù)框架為中心，其他程序員在第一次接觸 R 時常常會感到困惑。如果團隊中有專門的 R 開發(fā)人員，那么整合 TensorFlow，Keras 或 H2O 進行研究、建模和實驗是有意義的。但是，出于性能和使用方面的考慮，我不推薦 R 用于實際生產(chǎn)。雖然，可以在生產(chǎn)服務(wù)器上部署高性能 R 代碼，但采用 R 語言編寫原型，并將其重構(gòu)為 Java 或 Python 運行反而會更加容易。