1.3　Python和人工智能

要想认识Python和人工智能之间的关系，首先要明确人工智能和机器学习及深度学习之间的关系。图1-1从时间角度展示了三者之间的关系。

图1-1　人工智能与机器学习及深度学习的关系

从图1-1可以看出，人工智能最早出现；而机器学习（Machine Learning）是1990年前后兴起的，它主要使用归纳、综合法，即主要基于数据，寻找数据内在规律，并把这个内在规律应用到业务上，通过让机器模拟人类的学习行为，使其获取新的知识或技能，并可以通过重新组织已有的知识结构，不断改善自身的性能。机器学习可以说是当前人工智能的核心，也是使计算机具有人类智能的根本途径。

深度学习的概念由Hinton等人于2006年提出，是机器学习研究中的一个新的领域，它源于人工神经网络的研究，目的在于建立模拟人脑进行分析学习的神经网络，例如模仿人脑的机制来解释图像、声音、文本等数据。深度学习通过组合低层特征，形成更加抽象的高层表示，以发现数据的分布式特征。

综上所述，机器学习，包括深度学习，是实现人工智能应用的必由之路。而机器学习的实现是依靠算法来完成的，可用于机器学习算法的语言有很多，其中Python、java、C/C++、JavaScript、R排在前五名，而Python高居榜首。

Python语言具有简单而不失严谨、易用而不失专业的特点，是开发人工智能应用的首选语言。目前支持Python的机器学习框架众多，包括Scikit-Learn（sklearn）、keras、Statsmodels、PyMC、Shogun、Gensim、Orange、PyMVPA、Theano、PyLearn、Decaf、Nolearn、OverFeat、Hebel、Neurolab等，另外谷歌的TensoFlow也有Python库，可以供Python开发者直接调用，充分发挥TensorFlow的威力。