人工智能，就是讓機器可以像人一樣思考問題。典型的場景有：圖像識別、自然語言處理、語音處理、動態物體跟蹤、可運動的機器人，等等。

智能，就是人類可以很容易作出判斷，但是卻根本描述不清楚為什么是這樣。比方說，一張人臉，人類盯上不超過一秒鐘，然后幾乎不需要思考，就立刻認出這是誰。但是人類卻根本無法用文字作出該臉特征的描述。讀文章，有“語感”，聽音樂，有“樂感”。為什么某首樂曲聽上去悲傷？感覺，樂感，真的說不清楚悲傷的原因。開車，也是講“感覺”。只有學駕照的時候，教練才教很多公式，教很多特殊點(雨刷鉚釘，右邊玻璃的右下角等等)。AlphaGo為什么是人工智能？對了，就是“棋感”。

而早期的深藍下國際象棋，勝過人類，就不能叫智能。因為它基本上是以窮舉為主，深藍的每一步操作都是精確可描述的，是“可知”的，是機器思維而不是人類思維。相反，AlphaGo就連開發者都搞不清楚這機器是怎么運作的。它就是個“黑匣子”。它模擬的是人的“感覺”而不是一堆人類發明的精確圍棋算法公式。感覺是無法用語言描述的。

簡單算術運算也不是智能，因為人類列算式計算的每一步都是可精確描述的。同樣電子計算器在算術運算時的每一個步驟同樣也是如此(雖然它用的是二進制計算，數字電路，泰勒級數展開等與人類不太一樣的方法)。

人工智能要模擬人的“感覺”，就必須訓練，也可以叫做“學習”。比如讓它區分貓和狗，就給它幾萬張貓和狗的圖片，讓它自己去慢慢學習。在學習前，人類只需要告訴它某張圖是貓或是狗，其他信息一概不用多說。比如完全沒有必要提醒它有胡子的就是貓。

從目前的技術來看，訓練是非常考驗技術和花費時間的。以致于大家一提到人工智能，就是以為在說機器訓練(機器學習)。

訓練是個反復迭代的過程，就是說需要不斷地探索，此路不通，就換一條路，非常艱辛。現實中，往往是不斷地調整神經網絡的參數，不斷地對比訓練結果。多數時候還要數據預處理，以及輔助傳統的機器學習、傳統圖像處理、模式識別等技術。

那么，上述過程，誰最擅長？現在公認的就是Python。

Python是解釋性語言而，弱類型，用起來很方便，開發效率大大高過C 、JAVA等語言，而且有很多現成的機器學習、深度學習、科學計算庫，這些都是它作為人工智能語言的優勢。AlphaGo的頂層代碼大部分是用的Python，AlphaGo的成功，也對Python起了很大的推動作用。

數據的訓練還可以細分為兩類。一是前期的算法探索和小樣本數據訓練，二是后期正式的大規模數據訓練。比如實驗的1萬個樣本，可能要訓練1個小時才能得到理想的網絡。而最終的100萬個樣本時，可能就需要100個小時。這已經很長了。這時候，C 的作用就體現出來了。可以用C 花很多的人力成本投入去優化算法。概括說來就是，前期用Python進行算法探索，待算法和相關參數確定，后期用C 重寫算法實現生產環境的真實的正式的訓練。

訓練是人工智能的很難的一部分，但是絕對不是人工智能的全部。人工智能還包括前期的數據獲取、數據預處理和后期的實際應用。

訓練得到的只是一個巨大的神經網絡，有了它以后就可以預測了。預測所需要花的時間遠遠短于訓練。比如訓練花100個小時，而用訓練好后的網絡預測可能只需要5秒。可別小看這5秒的短時間。我們仍然有必要優化，比如是否可以1秒就完成，0.1秒完成？試想，設計一個無人駕駛系統，那可是分秒必爭啊！稍微反應遲緩就可能釀成事故。

這時候，C 的作用又一次體現出來了！

這還沒完。人工智能的載體可能會很精簡。比方說嵌入到人體，嵌入到汽車，這么小的系統，不是Python的天下。還有機器人，是可以運動的，如何驅動機器動，這不還是C 的強項嘛。

另外，還涉及到前期的數據采集和預處理。比如圖像、音頻、視頻，需要實時感知，包括必要的預處理(比如灰度化、關鍵部位快速定位)。這就要用到音頻視頻的高效處理，數據通信，物聯網等技術。這不還是C 的強項嗎？

總之，在人工智能開發的整個過程中，Python主要處理算法模型部分，而具體的前期數據獲取和后期與外部設備部分的交互則可以用C 來實現。

說個最夸張的例子。假如我們已知X要預測Y，Python做的工作就是找到Y=aX b這測關系式，特別是a和b的具體數值最值錢。而除此之外的所有工作，從數據采集，軟件架構設計，數據庫設計與讀寫，后臺運作，分布式處理一直到前端展示可能都是用的Python以外的技術(比如C )來實現。Python的工作僅僅是得到a和b，僅此而已！

不過，從目前來看，人工智能最主要和最難的部分依然是由Python來實現的。

谷歌的搜索引擎源自Page和Brin的博士論文，當時他們的程序就是用Python寫的，當日他們兩就決定讓谷歌投入做AI時，首選的語言就是Python。在收購DeepMind之后，谷歌開始發布大量的論文，放出的代碼也基本上是基于Python的，所以自然而然……

02

這是由于Python的優點決定的，它具有多平臺兼容性，代碼簡潔、可讀性強，豐富的開源庫等等。

C++在人工智能方面毫無用處？

恰恰相反，C++在人工智能方面的用處很大。目前機器學習的底層框架和所以來的支持庫，幾乎都是在使用C++。只是相比之下，Python的需求量更大，并不代表C++就沒有市場了。

如果你寫的是底層的庫，那么C語言是最佳的選擇，如果是代碼量巨大，且有大量底層庫支持，保證速度不至于慢到不能接受的程度，Python還是最佳的選擇。

為什么招聘的需求不同？

再看一個例子，你就明白了。來自騰訊人工智能職位的招聘。

招聘崗位有：語言識別/合成研究員，機器學習研究員、自然語言處理研究員、計算機視覺研究員、語音識別開發工程師……

閱讀一下這些崗位要求，你會發現一條幾乎通用：至少精通一種技術語言，包括但不限于Java、C/C++、C#、Python等。

另外，要么就是要求你同時精通C++和Python。

結合上面對C++和Python的闡述，你應該知道為什么有些企業會招聘C++，有些企業會招Python了吧。

編程語言，誰是核心？

總結

以上是生活随笔為你收集整理的python的人工智能和c++的有什么区别_为什么人工智能岗位有些招聘C/C 有些招聘Python到底哪门编程语言更重要(恰恰相反C++在人工智能方面的用处很大)...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。