为什么人工智能的主流语言是Python

　　1、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、较后如果没用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。

　　2、Python的开发生态成熟，有很多库可以用

　　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实现（bbs.cnitedu.cn），配合lambda等使用更是方便。这也是Python良性生态背后的原因。

　　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。

　　3、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。较后，得益于Python对C的接口，很多像gnumpy，theano这样、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。