上一篇已经说过，python随着人工智能的兴起而大热。这里我将详细解释为什么人工智能需要用python。
相对于其他语言，python对人工智能最大的优势是他的可扩展性、可嵌入性。这也是他被程序员称为“胶水语言”的原因。
python对人工智能应用的优点：
1:人工智能的核心算法是完全依赖于C/C++的，而且Python历史上也一直都是科学计算和数据分析的重要工具。Python虽然是脚本语言，但是因为容易学，迅速成为科学家的工具（MATLAB等也能搞科学计算，但是软件要钱，且很贵），从而积累了大量的工具库、架构，人工智能涉及大量的数据计算，用Python是很自然的，简单高效。
2: Python虽然慢但是它只是调用AI接口，真正的计算全是C/C++写好的数据底层，用Python只是写相应的逻辑，几行代码就出来了。换成C++的话，不仅代码量太大，而且开发效率太低，不是说用C++写不了上层逻辑，，而是换来总体速度提升1%，得不偿失。
3：Python在拥有简洁的语法和丰富的生态环境从而提高开发速度的同时，对C的支持也很好，python结合了语言的优点，又通过对C的高度兼容弥补了速度慢的缺点，自然受到数据科学研究者与机器学习程序员的青睐。
python扩展语言的优势：
用于通用AI：
1.AIMA —— Python 实现 Russell 和 Norvig 的‘Artificial Intelligence: A Modern Approach’库。
2.pyDatalog —— Python 中的逻辑编程引擎SimpleAI —— Python 实现了“AIMA”一书中描述的许多人工智能算法。它侧重于提供易于使用，有据可查的测试库。
3.EasyAI —— 简单的 Python 引擎，用于 AI 的双人游戏，如 Negamax, transposition tables, game solving。
用于机器学习：
1.PyBrain —— 灵活、简单，但对于机器算法任务非常高效，它是 Python 的一个机器学习模块化库。它还提供了各种预定义的环境来测试和比较你的算法。
2.PyML —— 一款以 Python 编写的侧重于 SVM 和其他内核方法的双边框架。它支持在 Linux 和 Mac OS X 上运行。
3.scikit-learn —— 旨在提供在各种环境下可重复使用的简单而强大的解决方案：机器学习作为科学和工程的多功能工具。它是一个 Python 模块，它将经典的经典机器学习算法集成在如紧密结合的科学世界的 Python 软件包中（如 numpy，scipy，matplotlib）。
