为什么做AI的都选Python？
编程语言是一种用来定义计算机程序的形式语言，同时也是一种被标准化的交流技巧，用来向计算机发出指令，一种计算机语言让程序员能够准确地定义计算机所需要使用的数据，并精确地定义在不同情况下所应当采取的行动。
编程语言有很多种，常用的有Java、、Python、PHP、JavaScript、Go语言等，每种语言都有自己擅长的方面。
答: 主要有以下的一些见解，欢迎和你探讨。
- 主流的深度学习框架基本上都是用Python开发的，虽然说他们也提供了其他语言的接口，但是用起来还是没有Python这么方便；
- Python里面有非常多的科学计算包，各种具有实用功能的库，大大提高了开发效率，对于AI而言，最开始呢是在学术上有着大量的运用，而使用Python，非常方便进行仿真。学术研究成功之后呢，慢慢在工业界越来越多了；
- Python的包装能力，组合能力，嵌入式能力非常强,可以把各种复杂性包装在 Python 模块里，暴露出漂亮的接口。也非常方便其他语言的调用。
希望可以帮助到你~
为什么人工智能要用Python？总结了以下三个原因。
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、最后如果没用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高效实现（bbs.cnitedu.cn），配合lambda等使用更是方便。这也是Python良性生态背后的一大原因。
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。最后，得益于Python对C的接口，很多像gnumpy, theano这样高效、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。
人工智能用Python语言，因为它有以下几点优势：
Python极其容易上手，因为Python有极其简单的说明文档
平台无关，可以在现在每一个Lnix版本上使用，由于它的开源本质，Python已经被移植在许多平台上。
和其他面向对象编程语言比学习更加简单快速，Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。
Python有许多图像加强库。
Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。
对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。
最后，它是开源的，可以得到相同的社区支持。Python是FLOSS（自由/开放源码软件）之一。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。
