人工智能（AI）开创了应用程序开发的新时代。通过使用机器学习和深度学习，可以完成用户配置优化，个性化设置和建议。此外，您还可以集成更多智能搜索结果，提供语音界面或智能帮助等，以优化程序本身。您甚至可以构建视觉和听觉且能够做出反应的智能应用程序。

哪种编程语言可用来学习深度AI？拥有大量优秀的机器学习和深度学习库的语言当然是首选。此外，它还应具有良好的运行性能，出色的工具支持以及一个聚集了大量软件工程师的开源社区。

以下是我为AI开发选择的五种最佳编程语言。其中一些语言正在兴起，而另一些则似乎正在下降。几个月后，您可能会发现这些排名已更改。

1.Python

首先，毫无疑问它是Python。尽管Python仍然存在许多问题，例如空格/制表符缩进以及Python 2和Python 3之间的不兼容性。但是，当您面对与AI相关的工作时，仍然建议选择Python。

Python提供的第三方工具无与伦比。例如，NumPy变得无处不在，它几乎是张量操作的标准API。 Pandas将R强大而灵活的DataFrame带入Python；对于自然语言处理（NLP），可以使用NLTK和快速的SpaCy。对于机器学习，有经过实践检验的scikit-learn；为了进行深度学习，所有当前的第三方库（例如TensorFlow，PyTorch，Chainer，Apache MXNe和Theano）都是针对Python量身定制的。

阅读有关arXiv的深度学习的前沿研究论文时，您一定会找到相应Python版本的源代码。 Python还有其他优点。尽管IPython已逐渐被兼容更多语言的Jupyter Notebook取代，但是大多数Jupyter Notebook用户和大多数在线共享的Notebook都使用Python。

Python是人工智能研究的前沿语言，是拥有最多机器学习和深度学习框架的语言，也是AI领域几乎每个人都使用的语言。因此，无论人们每天如何抱怨空格/制表符缩进问题，Python都是人工智能编程语言中的首选。

2.Java系列

JVM系列语言（Java，Scala，Kotlin，Clojure等）也是AI应用程序开发的绝佳选择。无论是自然语言处理（CoreNLP），张量运算（ND4J）还是完整的GPU加速深度学习堆栈（DL4J），都可以使用大量数据库。此外，您可以轻松访问大数据平台，例如Apache Spark和Apache Hadoop。

Java是大多数企业的通用语言。 Java 8和Java 9提供了一种新的语言结构，以减少编写Java代码的痛苦。用Java编写人工智能应用程序可能会有些无聊，但它可以确保完成工作并将所有现有Java基础结构用于开发，部署和监视。

3.C / C ++

要开发AI应用程序，C / C ++可能不是您的首选，但是如果您在嵌入式环境中工作并且无法承受Java虚拟机或Python编译器的较慢运行速度，那么C / C + +是最佳选择。

幸运的是，当前的C / C ++代码要简单得多。您可以使用CUDA和其他库来编写自己的代码，然后直接在GPU上运行。您还可以使用TensorFlow或Caffe获取灵活的高级API访问权限。后者还允许您导入数据科学家使用Python构建的模型，然后以C / C ++的速度在环境中运行它们。

此外，您还可以在来年关注Rust的应用。结合C / C ++的速度，类型和数据安全性，Rust是可以实现功能而不会引起安全性问题的最佳选择。

4.JavaScript

JavaScript怎么了？ Google最近发布了TensorFlow.js，它是一个WebGL加速库，可以在Web浏览器中训练和运行机器学习模型。它还具有Keras API，可以加载和使用在常规TensorFlow中训练的模型。这可能会吸引大量开发人员进入AI领域。尽管JavaScript当前以与其他语言不同的方式访问机器学习库，但在Web页面上添加神经网络就像添加React组件或CSS属性一样简单。

TensorFlow.js仍处于早期阶段。它当前在Node.js中不起作用，并且尚未实现完整的TensorFlow API。但是，预计到2018年底，这两个问题都将基本解决。届时，JavaScript在AI应用程序中的地位将越来越高。

5.R

R排在前五名的底部，呈下降趋势。 R是数据科学家最喜欢的语言，因为它以数据框架为中心，所以其他程序员在初次接触R时常常会感到困惑。如果团队中有专门的R开发人员，则可以将TensorFlow，Keras或H2O集成在一起研究，建模和实验。但是，出于性能和使用方面的考虑，我不建议在实际生产中使用R。尽管可以在生产服务器上部署高性能R代码，但用R编写原型并将其重构为Java或Python即可运行。