人工智能，就是让机器可以像人一样思考问题。典型的场景有：图像识别、自然语言处理、语音处理、动态物体跟踪、可运动的机器人，等等。

智能，就是人类可以很容易作出判断，但是却根本描述不清楚为什么是这样。比方说，一张人脸，人类盯上不超过一秒钟，然后几乎不需要思考，就立刻认出这是谁。但是人类却根本无法用文字作出该脸特征的描述。读文章，有“语感”，听音乐，有“乐感”。为什么某首乐曲听上去悲伤？感觉，乐感，真的说不清楚悲伤的原因。开车，也是讲“感觉”。只有学驾照的时候，教练才教很多公式，教很多特殊点(雨刷铆钉，右边玻璃的右下角等等)。AlphaGo为什么是人工智能？对了，就是“棋感”。

而早期的深蓝下国际象棋，胜过人类，就不能叫智能。因为它基本上是以穷举为主，深蓝的每一步操作都是精确可描述的，是“可知”的，是机器思维而不是人类思维。相反，AlphaGo就连开发者都搞不清楚这机器是怎么运作的。它就是个“黑匣子”。它模拟的是人的“感觉”而不是一堆人类发明的精确围棋算法公式。感觉是无法用语言描述的。

简单算术运算也不是智能，因为人类列算式计算的每一步都是可精确描述的。同样电子计算器在算术运算时的每一个步骤同样也是如此(虽然它用的是二进制计算，数字电路，泰勒级数展开等与人类不太一样的方法)。

人工智能要模拟人的“感觉”，就必须训练，也可以叫做“学习”。比如让它区分猫和狗，就给它几万张猫和狗的图片，让它自己去慢慢学习。在学习前，人类只需要告诉它某张图是猫或是狗，其他信息一概不用多说。比如完全没有必要提醒它有胡子的就是猫。

从目前的技术来看，训练是非常考验技术和花费时间的。以致于大家一提到人工智能，就是以为在说机器训练(机器学习)。

训练是个反复迭代的过程，就是说需要不断地探索，此路不通，就换一条路，非常艰辛。现实中，往往是不断地调整神经网络的参数，不断地对比训练结果。多数时候还要数据预处理，以及辅助传统的机器学习、传统图像处理、模式识别等技术。

那么，上述过程，谁最擅长？现在公认的就是Python。

Python是解释性语言而，弱类型，用起来很方便，开发效率大大高过C 、JAVA等语言，而且有很多现成的机器学习、深度学习、科学计算库，这些都是它作为人工智能语言的优势。AlphaGo的顶层代码大部分是用的Python，AlphaGo的成功，也对Python起了很大的推动作用。

数据的训练还可以细分为两类。一是前期的算法探索和小样本数据训练，二是后期正式的大规模数据训练。比如实验的1万个样本，可能要训练1个小时才能得到理想的网络。而最终的100万个样本时，可能就需要100个小时。这已经很长了。这时候，C 的作用就体现出来了。可以用C 花很多的人力成本投入去优化算法。概括说来就是，前期用Python进行算法探索，待算法和相关参数确定，后期用C 重写算法实现生产环境的真实的正式的训练。

训练是人工智能的很难的一部分，但是绝对不是人工智能的全部。人工智能还包括前期的数据获取、数据预处理和后期的实际应用。

训练得到的只是一个巨大的神经网络，有了它以后就可以预测了。预测所需要花的时间远远短于训练。比如训练花100个小时，而用训练好后的网络预测可能只需要5秒。可别小看这5秒的短时间。我们仍然有必要优化，比如是否可以1秒就完成，0.1秒完成？试想，设计一个无人驾驶系统，那可是分秒必争啊！稍微反应迟缓就可能酿成事故。

这时候，C 的作用又一次体现出来了！

这还没完。人工智能的载体可能会很精简。比方说嵌入到人体，嵌入到汽车，这么小的系统，不是Python的天下。还有机器人，是可以运动的，如何驱动机器动，这不还是C 的强项嘛。

另外，还涉及到前期的数据采集和预处理。比如图像、音频、视频，需要实时感知，包括必要的预处理(比如灰度化、关键部位快速定位)。这就要用到音频视频的高效处理，数据通信，物联网等技术。这不还是C 的强项吗？

总之，在人工智能开发的整个过程中，Python主要处理算法模型部分，而具体的前期数据获取和后期与外部设备部分的交互则可以用C 来实现。

说个最夸张的例子。假如我们已知X要预测Y，Python做的工作就是找到Y=aX b这测关系式，特别是a和b的具体数值最值钱。而除此之外的所有工作，从数据采集，软件架构设计，数据库设计与读写，后台运作，分布式处理一直到前端展示可能都是用的Python以外的技术(比如C )来实现。Python的工作仅仅是得到a和b，仅此而已！

不过，从目前来看，人工智能最主要和最难的部分依然是由Python来实现的。

谷歌的搜索引擎源自Page和Brin的博士论文，当时他们的程序就是用Python写的，当日他们两就决定让谷歌投入做AI时，首选的语言就是Python。在收购DeepMind之后，谷歌开始发布大量的论文，放出的代码也基本上是基于Python的，所以自然而然……

02

这是由于Python的优点决定的，它具有多平台兼容性，代码简洁、可读性强，丰富的开源库等等。

C++在人工智能方面毫无用处？

恰恰相反，C++在人工智能方面的用处很大。目前机器学习的底层框架和所以来的支持库，几乎都是在使用C++。只是相比之下，Python的需求量更大，并不代表C++就没有市场了。

如果你写的是底层的库，那么C语言是最佳的选择，如果是代码量巨大，且有大量底层库支持，保证速度不至于慢到不能接受的程度，Python还是最佳的选择。

为什么招聘的需求不同？

再看一个例子，你就明白了。来自腾讯人工智能职位的招聘。

招聘岗位有：语言识别/合成研究员，机器学习研究员、自然语言处理研究员、计算机视觉研究员、语音识别开发工程师……

阅读一下这些岗位要求，你会发现一条几乎通用：至少精通一种技术语言，包括但不限于Java、C/C++、C#、Python等。

另外，要么就是要求你同时精通C++和Python。

结合上面对C++和Python的阐述，你应该知道为什么有些企业会招聘C++，有些企业会招Python了吧。

编程语言，谁是核心？