在早期，AI 主要由運(yùn)行原始 Lisp 操作的專用硬件上的 Lisp（LISt 處理器）編程語(yǔ)言提供支持。Lisp 是最早的語(yǔ)言之一，可以高效地處理項(xiàng)目列表。通用機(jī)器隨后成為時(shí)尚，編程模型也隨之流行。但隨著機(jī)器學(xué)習(xí)，特別是深度學(xué)習(xí)的復(fù)興，新的方法和工具包優(yōu)化了這些數(shù)據(jù)流。在這里，我們將探索機(jī)器學(xué)習(xí)和軟件平臺(tái)的融合。

早期人工智能歷史

人工智能和 Lisp 不可避免地交織在一起，因?yàn)楦拍詈驼Z(yǔ)言起源于同一個(gè)人 John McCarthy（1927-2011）。在其最早的形式中，人工智能比當(dāng)今占主導(dǎo)地位的數(shù)字方法更專注于搜索和符號(hào)處理。Lisp 憑借其簡(jiǎn)單自然地表示復(fù)雜數(shù)據(jù)的能力及其對(duì)遞歸（用于迭代和搜索）的使用使其成為當(dāng)時(shí)許多問(wèn)題的理想選擇。憑借其交互式解釋器（稱為 REPL 或讀取評(píng)估打印循環(huán)），Lisp 使探索性編程變得更加容易，這非常適合解決未完全理解的問(wèn)題。

但是 Lisp 的強(qiáng)大功能也是它最大的貶低者。它的函數(shù)式編程風(fēng)格很困難，并為新的編程語(yǔ)言范例打開(kāi)了大門(mén)。雖然今天繼續(xù)使用函數(shù)式編程，但命令式、面向?qū)ο蠛投喾妒秸Z(yǔ)言在今天更為普遍。

現(xiàn)代人工智能語(yǔ)言

雖然可以使用任何編程語(yǔ)言開(kāi)發(fā) AI 應(yīng)用程序，但有些語(yǔ)言比其他語(yǔ)言更好。無(wú)論是語(yǔ)言本身還是圍繞語(yǔ)言的支持，某些語(yǔ)言都極大地簡(jiǎn)化了 AI 開(kāi)發(fā)。

邏輯編程

Prolog語(yǔ)言于 1972年推出，其根源在于一階邏輯，其中程序由事實(shí)和規(guī)則定義?？梢圆樵兂绦蛞詫⒁?guī)則應(yīng)用于事實(shí)并產(chǎn)生結(jié)果。Prolog 今天仍然廣泛用于專家系統(tǒng)和自動(dòng)規(guī)劃系統(tǒng)等應(yīng)用程序。Prolog 最初是為自然語(yǔ)言處理而設(shè)計(jì)的，并且它繼續(xù)在那里找到應(yīng)用程序。

通用語(yǔ)言

Prolog 推出 20 年后，出現(xiàn)了一種名為Python的通用語(yǔ)言，它是圍繞代碼可讀性而設(shè)計(jì)的。盡管 Python 作為一種教授編程的教育語(yǔ)言很早就引起了人們的興趣，但它已經(jīng)發(fā)展成為一種在各個(gè)領(lǐng)域廣泛使用的語(yǔ)言，包括人工智能和機(jī)器學(xué)習(xí)。Python 的主要優(yōu)勢(shì)之一是其龐大的庫(kù)和工具包集，使構(gòu)建應(yīng)用程序變得更加簡(jiǎn)單。例如，Python 可以與 TensorFlow 開(kāi)源工具包一起用于構(gòu)建深度學(xué)習(xí)應(yīng)用程序。當(dāng)您想要部署深度學(xué)習(xí)而不開(kāi)發(fā)所需的詳細(xì)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，這很有用。

統(tǒng)計(jì)計(jì)算

R 語(yǔ)言中使用了類似的模型，它既是一種語(yǔ)言，也是一種用于圖形化表示的統(tǒng)計(jì)計(jì)算環(huán)境）。R 是一種高度可擴(kuò)展的語(yǔ)言，可通過(guò)包的集成進(jìn)行擴(kuò)展。包將一些特定應(yīng)用程序的函數(shù)和數(shù)據(jù)收集在一起，然后可以在 R 程序中使用，例如統(tǒng)計(jì)函數(shù)或整個(gè)深度學(xué)習(xí)工具包。截至 2020 年，超過(guò) 15,000 個(gè)包可用于 R 語(yǔ)言。

新的功能方法

盡管 Lisp 主要是當(dāng)今機(jī)器學(xué)習(xí)的一個(gè)注腳，但它的功能根源已經(jīng)催生了遵循這種范式的新語(yǔ)言。Haskell語(yǔ)言是一種純函數(shù)式語(yǔ)言，具有強(qiáng)大的類型系統(tǒng)，可以生成更安全的代碼；在考慮機(jī)器學(xué)習(xí)和物聯(lián)網(wǎng)設(shè)備的爆炸式增長(zhǎng)時(shí)，這是一個(gè)有用的特性。盡管缺乏可用于 Python 和 R 的廣泛庫(kù)集，Haskell 包含機(jī)器學(xué)習(xí)工具包的綁定，這使得使用 Haskell 構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序變得簡(jiǎn)單。

工具包

隨著語(yǔ)言、工具包和庫(kù)也在追求機(jī)器學(xué)習(xí)應(yīng)用程序的過(guò)程中得到發(fā)展。這些工具包（例如TensorFlow）為語(yǔ)言提供了構(gòu)建復(fù)雜機(jī)器學(xué)習(xí)應(yīng)用程序的能力，而無(wú)需從頭開(kāi)始構(gòu)建這些能力。TensorFlow 為各種語(yǔ)言（如 Python、Haskell 和 R）提供接口，使深度學(xué)習(xí)應(yīng)用程序的構(gòu)建和部署變得簡(jiǎn)單。

概括

人工智能的概念及其數(shù)字后代機(jī)器學(xué)習(xí)的形成創(chuàng)造了語(yǔ)言和工具包的共同進(jìn)化。語(yǔ)言提供了構(gòu)建各種應(yīng)用程序的通用功能，而工具包則通過(guò)特定的機(jī)器學(xué)習(xí)功能擴(kuò)展了這些語(yǔ)言。

審核編輯hhy