Python ist die führende Sprache für künstliche Intelligenz

Wer wird die erste Entwicklungssprache im Zeitalter von KI und Big Data? Dies ist ein Thema, das keiner Debatte bedarf. Wenn Matlab, Scala, R, Java und Python vor drei Jahren noch ihre eigenen Möglichkeiten hatten und die Situation noch unklar war, war der Trend drei Jahre später sehr deutlich, insbesondere nachdem Facebook vor zwei Tagen PyTorch als Open-Source-Lösung für Python bereitgestellt hatte Werden Sie eine KI. Die Position der Top-Sprache der Zeit steht grundsätzlich fest, und die Spannung der Zukunft liegt nur darin, wer sich den zweiten Platz sichern kann.

Der Sieg der KI von Google über einen Go-Meister ist eine Möglichkeit, die plötzliche rasante Entwicklung der künstlichen Intelligenz zu messen und gibt auch Aufschluss darüber, wie sich diese Technologien entwickelt haben und wie sie sich in Zukunft weiterentwickeln können.

Künstliche Intelligenz ist eine futuristische Technologie, die derzeit an eigenen Werkzeugen arbeitet. In den letzten Jahren hat es eine Reihe von Entwicklungen gegeben: Mehr als 300.000 Meilen ohne Unfall zu fahren und in drei Staaten legal zu sein, hat einen Meilenstein für die Weiterentwicklung der statistischen Lerntechnologie von IBM Watson eingeläutet; Von Verbraucher zu Verbraucher Forscher interessieren sich für die Mustererkennung an komplexen Datensätzen aus Billionen Bildern. Diese Entwicklungen werden zwangsläufig das Interesse von Wissenschaftlern und Gurus an künstlicher Intelligenz steigern, was es Entwicklern auch ermöglicht, die wahre Natur der Entwicklung von Anwendungen für künstliche Intelligenz zu verstehen. Bei der Entwicklung dieser ist zunächst zu beachten:

Welche Programmiersprache eignet sich für Künstliche Intelligenz?

Jede Programmiersprache, die Sie beherrschen, kann eine Entwicklungssprache für künstliche Intelligenz sein.

Künstliche Intelligenzprogramme können mit fast allen Programmiersprachen implementiert werden, die gängigsten sind: Lisp, Prolog, C/C++ und neuerdings auch Java und neuerdings auch Python.

LISP

Hochsprachen wie LISP erfreuen sich in der künstlichen Intelligenz großer Beliebtheit, da nach jahrelanger Forschung an verschiedenen Universitäten Rapid Prototyping der Rapid Execution vorgezogen wird. Einige Funktionen wie Garbage Collection, dynamische Typisierung, Datenfunktionen, einheitliche Syntax, interaktive Umgebung und Skalierbarkeit machen LIST sehr gut für die Programmierung mit künstlicher Intelligenz geeignet.

PROLOG

Diese Sprache kombiniert effektiv die hohen und traditionellen Vorteile von LISP, was für KI sehr nützlich ist. Seine Stärke liegt in der Lösung „logikbasierter Probleme“. Prolog bietet Lösungen für logikbezogene Probleme oder seine Lösungen weisen einfache logische Merkmale auf. Sein Hauptnachteil (meiner Meinung nach) ist, dass es schwer zu erlernen ist.

C/C++

Genau wie Cheetah wird C/C++ hauptsächlich dann verwendet, wenn Ausführungsgeschwindigkeit erforderlich ist. Es wird hauptsächlich für einfache Programme verwendet, wobei statistische künstliche Intelligenz wie neuronale Netze ein häufiges Beispiel sind. Backpropagation benötigt nur wenige Seiten C/C++-Code, erfordert aber Geschwindigkeit. Auch wenn der Programmierer die Geschwindigkeit nur geringfügig verbessern kann, ist es gut.

JAVA

Für Neulinge verwendet Java mehrere Konzepte von LISP, wobei das offensichtlichste die Garbage Collection ist. Aufgrund seiner Portabilität ist es für jedes Programm anwendbar und verfügt außerdem über eine Reihe integrierter Typen. Java ist nicht so fortschrittlich wie LISP und Prolog und nicht so schnell wie C, aber wenn Portabilität erforderlich ist, ist es das Beste.

PYTHON

Python ist eine mit LISP und JAVA kompilierte Sprache. Laut dem Vergleich von Lips und Python in Norvigs Artikel sind die beiden Sprachen einander sehr ähnlich, mit nur einigen geringfügigen Unterschieden. Es gibt auch JPthon, das Zugriff auf grafische Java-Benutzeroberflächen bietet. Aus diesem Grund hat sich Peter Norvig für die Übersetzung der Programme in seinen Büchern über künstliche Intelligenz für JPyhton entschieden. JPython ermöglicht ihm die Verwendung portabler GUI-Demonstrationen und portabler http/ftp/html-Bibliotheken. Daher eignet es sich sehr gut als Sprache für künstliche Intelligenz.

Vorteile der Verwendung von Python gegenüber anderen Programmiersprachen für künstliche Intelligenz

Hochwertige Dokumentation

Plattformunabhängig, kann jetzt auf jeder *nix-Version verwendet werden

Einfacher und schneller zu erlernen als andere objektorientierte Programmiersprachen

Python verfügt über viele Bildverbesserungsbibliotheken wie Python Imaging Libary, VTK und Maya 3D Visualization Toolkit, Numeric Python, Scientific Python und viele andere Werkzeuge für numerische und wissenschaftliche Anwendungen.

Python ist sehr gut gestaltet, schnell, robust, portabel und erweiterbar. Offensichtlich sind dies sehr wichtige Faktoren für Anwendungen der künstlichen Intelligenz.

eignet sich für eine Vielzahl von Programmieraufgaben für wissenschaftliche Zwecke, von kleinen Shell-Skripten bis hin zu ganzen Website-Anwendungen.

Endlich ist es Open Source. Es steht die gleiche Community-Unterstützung zur Verfügung.

KI-Python-Bibliothek

Gesamt-KI-Bibliothek

AIMA: Python implementiert die Algorithmen von „Artificial Intelligence: A Modern Approach“ von Russell bis Norvigs

pyDatalog : Logik-Programmier-Engine in Python

SimpleAI: Python implementiert den im Buch „Artificial Intelligence: A Modern Approach“ beschriebenen Algorithmus für künstliche Intelligenz. Der Schwerpunkt liegt auf der Bereitstellung einer benutzerfreundlichen, gut dokumentierten und getesteten Bibliothek.

EasyAI: eine Python-Engine für KI-Spiele für zwei Spieler (negatives Maximum, Ersatztabelle, Spiellösung)

Bibliothek für maschinelles Lernen

PyBrain Ein flexibles, einfaches und effektives Tool Bei Algorithmen für maschinelle Lernaufgaben handelt es sich um eine modulare Python-Bibliothek für maschinelles Lernen. Es bietet außerdem eine Vielzahl vordefinierter Umgebungen zum Testen und Vergleichen Ihrer Algorithmen.

PyML ist ein in Python geschriebenes bilaterales Framework, das sich auf SVM und andere Kernel-Methoden konzentriert. Es unterstützt Linux und Mac OS X.

scikit-learn zielt darauf ab, einfache, aber leistungsstarke Lösungen bereitzustellen, die in verschiedenen Kontexten wiederverwendet werden können: maschinelles Lernen als vielseitiges Werkzeug in Wissenschaft und Technik. Es handelt sich um ein Python-Modul, das klassische Algorithmen für maschinelles Lernen integriert. Diese Algorithmen sind eng mit dem wissenschaftlichen Python-Paket (numpy, scipy.matplotlib) verknüpft.

MDP-Toolkit ist ein Python-Datenverarbeitungsframework, das einfach erweitert werden kann. Es sammelt überwachte und unüberwachte Lernalgorithmen und andere Datenverarbeitungseinheiten, die zu Datenverarbeitungssequenzen oder komplexeren Feedforward-Netzwerkstrukturen kombiniert werden können. Die Implementierung des neuen Algorithmus ist einfach und intuitiv. Die verfügbaren Algorithmen nehmen stetig zu, darunter Signalverarbeitungsmethoden (Hauptkomponentenanalyse, unabhängige Komponentenanalyse, langsame Merkmalsanalyse), Flusslernmethoden (lokale lineare Einbettung), zentralisierte Klassifizierung und probabilistische Methoden (Faktoranalyse, RBM), Datenvorverarbeitungsmethoden , usw.

Bibliothek für natürliche Sprache und Textverarbeitung

NLTK Open-Source-Python-Modul, linguistische Daten und Dokumentation, zur Erforschung und Entwicklung der Verarbeitung natürlicher Sprache und Textanalyse. Es gibt Windows-, Mac OSX- und Linux-Versionen.

Case

führte ein Experiment durch, eine Software, die künstliche Intelligenz und das Internet der Dinge nutzt, um das Verhalten von Mitarbeitern zu analysieren. Die Software liefert den Mitarbeitern durch ihre emotionalen und verhaltensbedingten Ablenkungen ein nützliches Feedback und verbessert so die Führungs- und Arbeitsgewohnheiten.

Training mit der Python-Bibliothek für maschinelles Lernen, OpenCV und Haarcascading-Konzepten. Ein Beispiel-POC wurde gebaut, um grundlegende Emotionen wie Glück, Wut, Traurigkeit, Ekel, Misstrauen, Verachtung, Sarkasmus und Überraschung zu erkennen, die über drahtlose Kameras an verschiedenen Standorten zurückgegeben werden. Die gesammelten Daten werden in einer Cloud-Datenbank zentralisiert und sogar das gesamte Büro kann mit einem Klick auf eine Schaltfläche von einem Android-Gerät oder Desktop abgerufen werden.

Entwickler machen Fortschritte bei der tiefgreifenden Analyse der emotionalen Komplexität von Gesichtern und bei der Untersuchung weiterer Details. Mit Hilfe von Deep-Learning-Algorithmen und maschinellem Lernen kann die Analyse der Leistung einzelner Mitarbeiter und entsprechendes Mitarbeiter-/Team-Feedback unterstützt werden.

Fazit

Python spielt eine wichtige Rolle in der künstlichen Intelligenz, da es ein gutes Framework wie scikit-learn bietet: Maschinelles Lernen in Python hat die meisten Probleme in diesem Bereich erkannt. D3.js ist eines der leistungsstärksten und benutzerfreundlichsten Tools für die datengesteuerte Dokumentvisualisierung in JS. Verarbeitungsframeworks und ihr schnelles Prototyping machen sie zu einer wichtigen Sprache, die nicht ignoriert werden darf. KI erfordert viel Recherche, daher ist es nicht nötig, nach einem 500 KB großen Java-Boilerplate-Code zu fragen, um eine neue Hypothese zu testen. Nahezu jede Idee in Python lässt sich schnell in 20–30 Zeilen Code umsetzen (dasselbe gilt für JS und LISP). Daher ist es eine sehr nützliche Sprache für künstliche Intelligenz.

Für Entwickler, die in die KI- und Big-Data-Branche einsteigen möchten, ist es nicht nur sicher, Eier in den Python-Korb zu legen, sondern auch ein Muss. Oder anders ausgedrückt: Wenn Sie in Zukunft in dieser Branche arbeiten möchten, denken Sie an nichts, sondern lernen Sie Python zunächst mit geschlossenen Augen. Natürlich ist Python nicht ohne Probleme und Mängel. Sie können und sollten eine andere oder sogar mehrere Sprachen haben, die zu Python passen, aber es besteht kein Zweifel, dass Python die Position der ersten Sprache für die Datenanalyse einnehmen wird KI. Ich denke sogar, dass das daran liegt, dass Python seine Position gesichert hat, dass diese Branche in Zukunft eine große Anzahl von Praktikern benötigen wird und dass Python schnell zur bevorzugten Unterrichtssprache für Einführungskurse in die Programmierung an Universitäten, Mittelschulen und Grundschulen auf der ganzen Welt wird , diese dynamische Open-Source-Skriptsprache hat eine große Chance, in verwendet zu werden. In naher Zukunft wird sie die erste echte Esperanto-Programmiersprache sein.

Die Diskussion über die Vor- und Nachteile von Programmiersprachen galt schon immer als Thema des Wortgefechts und wird von älteren Leuten geringgeschätzt. Aber ich denke, dass der Aufstieg von Python dieses Mal eine große Sache ist. Stellen Sie sich bitte vor, dass in fünfzehn Jahren alle Wissensarbeiter unter 40 Jahren, vom Arzt bis zum Bauingenieur, von der Bürosekretärin bis zum Filmregisseur, vom Komponisten bis zum Verkäufer, dieselbe Programmiersprache verwenden können, die als künstliche Intelligenz bezeichnet wird APIs in der Cloud, die Steuerung intelligenter Roboter und die anschließende Kommunikation von Ideen untereinander. Die Bedeutung dieses universellen Programmierkollaborationsnetzwerks wird jeden Streit um Programmiersprachen weit übertreffen. Derzeit scheint Python der aussichtsreichste Kandidat für diese Rolle zu sein.

Der Sieg von Python ist überraschend, weil seine Mängel offensichtlich sind. Es verfügt über eine eigene Syntax, die vielen Veteranen ein Unbehagen bereitet; „nacktes“ Python ist aufgrund der Global Interpreter Lock (GIL) sehr langsam und bei verschiedenen Aufgaben Dutzende bis Tausende Mal langsamer Python-Programme können nicht gleichzeitig auf mehreren Kernen ausgeführt werden; die beiden Versionen von Python 2 und Python 3 werden seit langem parallel ausgeführt, und viele Module müssen zwei verschiedene Versionen gleichzeitig verwalten, was zu viel unnötiger Verwirrung führt und Ärger für Entwickler. Da es von keinem Unternehmen kontrolliert wird, war kein Technologieriese bereit, Python zu unterstützen. Daher sind die Investitionen und die Unterstützung für seine Kerninfrastruktur tatsächlich sehr gering . Bis heute verfügt das 26 Jahre alte Python über keinen offiziellen Standard-JIT-Compiler. Im Gegensatz dazu erhielt die Java-Sprache innerhalb der ersten drei Jahre nach ihrer Veröffentlichung Standard-JIT.

Eine andere Sache verdeutlicht das Problem noch mehr. Der GIL-Kerncode von Python wurde 1992 von Guido van Rossum, dem Erfinder der Sprache, geschrieben. In den folgenden achtzehn Jahren hat niemand ein einziges Byte dieses entscheidenden Codes geändert. Achtzehn Jahre! Erst 2010 nahm Antoine Pitrou die erste Verbesserung an GIL seit fast zwei Jahrzehnten vor und sie wurde nur in Python 3.x verwendet. Das bedeutet, dass für die meisten Entwickler, die heute Python 2.7 verwenden, jedes Programm, das sie schreiben, vor 26 Jahren noch immer stark durch einen Codeabschnitt eingeschränkt ist.

Python ist so ein Rennfahrer, der mit verschiedenen Problemen an die Front stürmt, aber selbst vor ein paar Jahren glaubten nicht viele Leute, dass es eine Chance hatte, die Krone zu gewinnen. Viele Leute glaubten, dass Javas Position unerschütterlich sei. Einige sagen, dass alle Programme in JavaScript neu geschrieben werden. Aber heute sehen wir, dass Python bereits die erste Sprache für Datenanalyse und KI, die erste Hackersprache für Netzwerkangriffe und -verteidigung ist und sich zur ersten Sprache für den Einführungsunterricht in die Programmierung und zur ersten Sprache für die Verwaltung von Cloud-Computing-Systemen entwickelt. Python hat sich längst zu einer der Mainstream-Sprachen für Webentwicklung, Game-Scripting, Computer Vision, IoT-Management und Roboterentwicklung entwickelt. Mit dem erwarteten Wachstum der Python-Benutzer hat es die Möglichkeit, in mehreren Bereichen an die Spitze zu gelangen.

Und vergessen Sie nicht, dass die überwiegende Mehrheit der Python-Benutzer in Zukunft keine professionellen Programmierer sein werden, sondern dieselben Leute, die auch heute noch Excel, PowePoint, SAS, Matlab und Videoeditoren verwenden. Am Beispiel der KI müssen wir zunächst fragen: Wo liegen die Hauptgruppen der KI? Wenn wir heute statisch über dieses Thema sprechen, könnte man meinen, dass die Hauptkraft der KI KI-Wissenschaftler in Forschungseinrichtungen, Experten für maschinelles Lernen und Algorithmenexperten mit Doktortiteln sind. Aber das letzte Mal habe ich Kai-Fu Lees „KI-Dividenden-Syllogismus“ erwähnt, der uns klar sagt, dass sich die Belegschaft der gesamten KI-Branche nach und nach bilden wird, solange wir eine längerfristige Sichtweise einnehmen und drei bis fünf Jahre zurückblicken Riesige Pyramide, die oben genannten KI-Wissenschaftler sind nur wenige an der Spitze. 95 % oder mehr des KI-Technikpersonals werden KI-Ingenieure, Anwendungsingenieure und KI-Tool-Benutzer sein. Ich glaube, dass fast alle dieser Leute von Python mitgerissen werden und zu einer riesigen Reservearmee des Python-Lagers werden. Diese potenziellen Python-Benutzer befinden sich immer noch außerhalb des technischen Kreises, aber mit der Entwicklung von KI-Anwendungen werden Millionen von Lehrern, Firmenmitarbeitern, Ingenieuren, Übersetzern, Redakteuren, Ärzten, Verkäufern, Managern und Beamten von ihren jeweiligen Branchenkenntnissen und Datenressourcen umgeben sein Die Branche strömt in den Python- und KI-Flut und verändert das Gesamtmuster und das Erscheinungsbild der gesamten IT- oder DT-Branche (Datentechnologie) tiefgreifend.

Warum kann Python von hinten aufholen?

Wenn ich allgemein spreche, kann ich einige der Vorteile von Python aufzählen, wie zum Beispiel sein einfaches und elegantes Sprachdesign, Programmiererfreundlichkeit und hohe Entwicklungseffizienz. Aber ich glaube nicht, dass dies die Hauptursache ist, da einige andere Sprachen darin nicht schlecht sind.

Einige Leute glauben, dass der Vorteil von Python in seinen reichen Ressourcen, soliden numerischen Algorithmen, Symbolen und der Datenverarbeitungsinfrastruktur liegt und ein sehr gutes ökologisches Umfeld geschaffen hat, das eine große Anzahl von Wissenschaftlern und Experten in verschiedenen Bereichen anzieht Der Schneeball wird immer größer. Aber ich denke, das ist das Gegenteil von Ursache und Wirkung. Warum kann Python Menschen dazu bewegen, es zu nutzen und eine so gute Infrastruktur aufzubauen? Warum verfügt PHP, die beste Sprache der Welt, nicht über Bibliotheken wie Numpy, NLTK, Sk-Learn, Pandas und PyTorch? Warum sind nach dem extremen Wohlstand von JavaScript verschiedene Programmbibliotheken ungleichmäßig und nutzlos geworden, während die verschiedenen Programmbibliotheken von Python sowohl erfolgreich als auch ordentlich sind und ein hohes Niveau halten können?

Ich denke, es gibt nur einen grundlegenden Grund: Python ist unter vielen Mainstream-Sprachen die einzige Sprache, die eine klare strategische Positionierung hat und immer an ihrer ursprünglichen strategischen Positionierung festhält. Im Gegensatz dazu verwenden zu viele Sprachen weiterhin taktische und prinzipienlose Sorgfalt, um ihre strategische Positionierung zu untergraben und zu verwischen, und am Ende können sie nur abwarten und abwarten.

Wie ist Pythons strategische Positionierung? Tatsächlich ist es sehr einfach, eine einfache, benutzerfreundliche, aber professionelle und strenge universelle Kombinationssprache oder Klebesprache zu erstellen, damit normale Menschen problemlos beginnen, verschiedene grundlegende Programmkomponenten zusammenstellen und bedienen können in koordinierter Weise.

Gerade aufgrund der Einhaltung dieser Positionierung stellt Python immer die Schönheit und Konsistenz der Sprache selbst vor ihre einzigartigen Tricks, die Entwicklereffizienz vor die CPU-Effizienz und die horizontalen Erweiterungsmöglichkeiten vor die vertikalen Deep-Dive-Fähigkeiten. Die langfristige Beharrlichkeit dieser strategischen Entscheidungen hat Python zu einem reichhaltigen Ökosystem gemacht, mit dem andere Sprachen nicht mithalten können.

Zum Beispiel kann jeder, der bereit ist zu lernen, in ein paar Tagen die grundlegenden Teile von Python lernen und dann viele, viele Dinge tun. Dieses Input-Output-Verhältnis kann von keiner anderen Sprache erreicht werden. Ein anderes Beispiel: Gerade weil die Python-Sprache selbst langsam ist, verwenden Menschen, die häufig verwendete Kernprogrammbibliotheken entwickeln, viel C-Sprache, um damit zusammenzuarbeiten. Infolgedessen laufen in Python entwickelte echte Programme sehr schnell Es ist sehr wahrscheinlich, dass das System in mehr als 80 % der Fälle in C geschriebenen Code ausführt. Im Gegenteil, wenn Python nicht überzeugt ist und darauf besteht, mit der Geschwindigkeit zu konkurrieren, wird das Ergebnis wahrscheinlich sein, dass die nackte Geschwindigkeit um ein Vielfaches erhöht wird, aber dann wird niemand die Motivation haben, C-Module dafür zu entwickeln. Die endgültige Geschwindigkeit ist dem gemischten Modus weit unterlegen, und es ist sehr wahrscheinlich, dass die Sprache dadurch komplexer wird und das Ergebnis eine langsame und hässliche Sprache ist.

Noch wichtiger ist, dass Python über gute Verpackungsfunktionen, Zusammensetzbarkeit und Einbettbarkeit verfügt. Es kann verschiedene Komplexitäten in Python-Module einbinden und schöne Schnittstellen bereitstellen. Oft ist eine Programmbibliothek selbst in C/C++ geschrieben, aber Sie werden feststellen, dass es sehr mühsam ist, C oder C++ direkt zum Aufrufen dieser Programmbibliothek zu verwenden, von der Umgebungskonfiguration bis zum Schnittstellenaufruf. Verwenden Sie stattdessen andere Python-Paketbibliotheken ist sauberer, schneller und schöner. Diese Eigenschaften sind zu Pythons starken Vorteilen im Bereich der KI geworden. Python hat auch KI und Datenwissenschaft genutzt, um an die Spitze der ökologischen Kette der Programmiersprache zu gelangen. Python ist für sie, egal ob E-Commerce, Suchmaschinen, soziale Netzwerke oder intelligente Hardware, in Zukunft nur noch Datenkühe, elektronische Nerven und Ausführungswerkzeuge nachgelagert in der ökologischen Kette nehmen ihre Befehle entgegen.

Menschen, denen es an Verständnis für die Geschichte der Entwicklung von Programmiersprachen mangelt, könnten das Gefühl haben, dass Pythons strategische Positionierung auf Zynismus und mangelnden Unternehmergeist zurückzuführen ist. Die Fakten haben jedoch gezeigt, dass es schwierig ist, gleichzeitig einfach und streng, benutzerfreundlich und professionell zu sein, und es ist noch schwieriger, sich an die Positionierung der Klebesprache zu halten.

Einige Sprachen dienen von Anfang an eher akademischen als praktischen Zwecken, und die Lernkurve ist zu steil, was es für normale Menschen schwierig macht, sich ihnen anzunähern. Manche Sprachen sind zu sehr auf die kommerzielle Unterstützung der Sponsoren angewiesen, die sie unterstützen. Wenn sie gut sind, sind sie sehr wohlhabend. Sobald sie ins Abseits gedrängt werden, wird sogar ihr Überleben zum Problem. Einige Sprachen haben beim Entwerfen klare imaginäre Szenarien, entweder zur Lösung großer Parallelität, zur Lösung von Matrixoperationen oder zur Erstellung von Webseiten-Rendering-Vorlagen. Sobald Sie dieses Szenario verlassen, werden Sie sich auf verschiedene Weise unzufrieden fühlen. Mehr Sprachen: Sobald sie ein wenig Erfolg haben, können sie es kaum erwarten, der Allround-Champion zu werden, und strecken verzweifelt ihre Tentakel in alle Richtungen aus, insbesondere im Hinblick auf die Verbesserung der Ausdrucksfähigkeit und der Leistungssteigerung. Sie sind oft übermäßig aggressiv , und sie zögern nicht, die Kernsprache bis zur Unkenntlichkeit zu ändern. Am Ende wird es zu einem Riesen, den niemand kontrollieren kann. Im Gegensatz dazu ist Python ein erfolgreiches Beispiel für das Design und die Entwicklung moderner Programmiersprachen.

Der Grund, warum Python so klar in seiner strategischen Positionierung und so fest in seiner strategischen Beharrlichkeit ist, liegt letztendlich darin, dass seine Community einen beispielhaften Entscheidungs- und Governance-Mechanismus aufgebaut hat. Im Mittelpunkt dieses Mechanismus stehen Guido van Rossum (BDFL, Pythoner wissen alle, was das bedeutet), DavidBeazley, Raymond Hettinger und andere, mit PEP als Organisationsplattform, die demokratisch und geordnet, zentralisiert und aufgeklärt ist. Solange der Mechanismus selbst erhalten bleibt, wird Python in absehbarer Zukunft stetig weiter wachsen.

Dasjenige, das Python am ehesten herausfordern wird, ist natürlich Java. Java hat eine große Benutzerbasis und ist zudem eine Sprache mit einer klaren und festen strategischen Positionierung. Aber ich glaube nicht, dass Java eine große Chance hat, weil es im Wesentlichen für den Aufbau großer, komplexer Systeme konzipiert ist. Was ist ein großes komplexes System? Es ist ein System, das von Menschen klar beschrieben und konstruiert wird. Sein Umfang und seine Komplexität sind exogen oder von der Außenwelt vorgegeben. Das Wesen der KI ist ein selbstlernendes und selbstorganisierendes System. Sein Umfang und seine Komplexität sind endogen, da ein mathematisches Modell von selbst wächst, gespeist durch Daten. Daher sind die meisten Java-Sprachstrukturen für die Verarbeitung großer Datenmengen und die Entwicklung von KI-Systemen nicht nützlich, und das, was Sie hier benötigen, ist umständlich. Die Einfachheit und Leistungsfähigkeit von Python bei der Datenverarbeitung ist seit langem jedem bekannt. Wenn man zwei Java- und Python-Programme für maschinelles Lernen mit den gleichen Funktionen vergleicht, kann man als normaler Mensch mit nur zwei Blicken ein Urteil fällen. Das Python-Programm muss erfrischender und unterhaltsamer sein.

Etwa 2003 oder 2004 kaufte ich ein Python-Buch, geschrieben von einem Brasilianer. Er sagte, der Grund, warum er sich entschieden für Python entschieden habe, sei, dass er als Kind oft davon geträumt habe, dass die zukünftige Welt von einer großen Python regiert werden würde (Python ist auf Englisch Python). Damals hatte ich das Gefühl, dass dieser Kerl so erbärmlich war, dass er von einer so schrecklichen Szene träumen konnte. Aber wenn man es heute betrachtet, war er vielleicht genau wie der Programmierer Anderson in „Matrix“, der zufällig in die Zukunft reiste und einen flüchtigen Blick auf die Wahrheit der Welt erblickte.