用于人工智能目的的最佳编程语言是什么？
请注意，使用建议的语言，我必须能够使用任何 AI 技术（或至少大部分）。
【问题讨论】：
标签： artificial-intelligence machine-learning neural-network
这真的取决于你在看什么样的问题。此外，你想进入人工智能的“深度”。如果您想从基础知识中学习并仅实现理论上的 AI 内容，请使用更高级别的语言——例如函数式编程（并在 AI 中得到证明），如 lisp 或 prolog。如果您知道自己要处理的问题集并希望高效，请使用 Java、C++ 之类的工具并使用工具包来完成这些工作。 既然您提到机器学习，请查看 Java 中的 Weka Toolkit 以了解其中的一些内容。
【讨论】：
没有“最好”的语言。每一个都有它的优点。在我学习 AI 时，我们主要使用 lisp 和 prolog，但我在使用 Java/C# 和 F# 的 AI 方面效率最高。
【讨论】：
AI 研究中所有留着胡子的酷酷大师都使用 Lisp :)
有两大阵营：Common Lisp 和 Scheme。它们有不同的语法等。为两者编写了很多好东西。
Java 是一种非常流行的通用语言，但 AI/函数式编程中的许多有趣的东西，例如将闭包作为一阶对象传递，在 Java 中却很笨拙。
我个人的偏好是远离 C# 和 F# 等 Windows 语言。酷人在 Unix 下开发。或者 Linux，如果它们很酷但很差的话。
一些很酷但很奇怪的人在 Haskell 中编程。一种相当现代的 FP 语言，具有良好的性能。我试过一次，它让我的大脑受伤；但你可能比我聪明。
更新：回答史蒂夫的问题。
我不会是购买 Unix 变体的人。这就是公司和研究机构所做的。这个想法是，你想为一家公司进行人工智能研究，该公司将数百万美元投入到他们的硬件中，并且不会拒绝为操作系统支付几千美元。这种服装很可能会在自助餐厅吃到好食物和/或因为做有趣的工作而获得高薪。但我肯定不会敲Linux。
F# 可能很酷，但我看到让它在 Linux 或任何其他 Unix 上运行的一大堆问题（这就是我所说的“windowsy”），我不想在 Windows 下工作（这就是我所说的“个人偏好”）。
详细说明“windowsy”主题：您提到 F# 是 OCaml 的变体。从我自己公认的简短研究来看，F# 似乎缺少函子、OCaml 样式的对象、多态变体和 camlp4 预处理器。没有函子的函数式语言？真的吗？如果有人倾向于不喜欢微软，就像我承认的那样，人们可以得出结论，他们已经继续前进，并将一种非常好的函数式语言 OCaml 加入到他们可以在 CLR 中运行的东西中，这样他们就可以声称“拥有”一种功能语言。最后，因为我不怀疑，我知道微软总是优先考虑市场主导地位而不是产品质量，所以我不打算接触 F#。但这是我个人的偏好，并且明确地表明了这一点，而我们真的更关心为 mary.ja45 提出好的建议。
我有更好的理由推荐 Lisp 而不是 F#，甚至是 OCaml 和 Haskell。这些主要是基于 Lisp 在 AI 领域优于任何其他语言的历史优势。
大部分 AI 文献都基于用 Lisp 或 Prolog 编写的程序。如果不出意外，良好的 Lisp 知识将使学生能够理解示例程序。我个人最喜欢的 AI 大型项目 Cyc 在您选择的 Common Lisp 或 C 中具有运行时。
在编程语言的 TIOBE 指数中（如工业中所见和使用的那样），Lisp 排在第 15 位，而 Haskell 排在第 43 位，F# 和 OCaml 排在第 50 位以下。市场占有率自然与就业机会相关。
也就是说，一些年轻的“AI 有趣”语言很有可能会一飞冲天。如果某个主要研究机构在 Scala 等领域发表了一些开创性的、定义领域的研究，那么您会看到 Scala 在研究社区中的流行度急剧上升，而在工业界则存在一些滞后。
我（显然）无法评论 F# 的其他品质，但欢迎您像我一样提出建议。
【讨论】：
使用 AI 技术选择编程语言，就像为任何其他项目选择语言一样：
我会推荐 Prolog 作为用于实现 AI 系统的非常好的编程语言。
【讨论】：
我会把 Scala 扔进锅里。
我已经完成了 Scala 基础 AI 课程中的所有练习。效果非常好。
【讨论】：
Python 似乎在一般科学界被大量使用。它有很多可用的库，而且很容易学习。
【讨论】：
如果说“所有的人工智能”也指机器学习，我猜，Matlab、R 和 Python+Scipy 肯定应该提到。
【讨论】：
编程环境是否学术性可能很重要，但对于大多数非学术性 AI 应用程序开发，我建议坚持使用 Java 或 C++ 等主流语言。需要能够与其他COTS 或开源软件包轻松交互，而这在更“异国情调”的语言中有时可能很困难或不可能。对于学术工作来说，这可能是一个不太重要的问题。
此外，性能对于许多应用程序来说可能很重要，主流语言通常具有最优化的编译器，例如 C++ 或 Java。
LISP、Scheme 等函数式编程语言确实具有可以更容易实现特定 AI 方法的特殊功能，但我不认为这对于整个 AI 相关编程来说是正确的，例如，定量机器学习方法通常不需要函数式语言。如果您需要访问功能结构和通用软件包，有一些tools for LISP 可以帮助您解决这个问题，最近开发的Clojure 是一个运行在JVM 上并且可以访问Java 库的LISP 变体。此外，Groovy 是另一种基于 JVM 的语言，包括对闭包的支持。
最后，一些程序员喜欢范式灵活性和/或 AI 项目的快速原型设计。出于这个原因，Ruby 和 Python 都将一些与 AI 相关的用法视为也可用于脚本的多范式语言。
与编程中的大多数事情一样，在 AI 开发中使用哪种语言的最佳答案最终取决于您的项目需求。
【讨论】：
用 Java 编写的框架怎么样，支持“高级逻辑”和代理风格的通信。
http://highlevellogic.blogspot.com/2010/11/when-will-we-have-artificial.html
【讨论】：
这还取决于数据集的大小。对于网络规模的数据集，您可能想要使用 Map-Reduce，这意味着 Hadoop。 Hadoop 是用 Java 编写的——但您可以为 Map-Reduce 函数使用任何语言（Python 等）。
【讨论】：
我个人使用Clojure 进行 AI 编程，发现它是一门很棒的全能 AI 语言。
原因：
【讨论】：