上一篇已經說過，python隨著人工智能的興起而大熱。這里我將詳細解釋為什么人工智能需要用python。
相對于其他語言，python對人工智能最大的優勢是他的可擴展性、可嵌入性。這也是他被程序員稱為“膠水語言”的原因。
python對人工智能應用的優點：
1:人工智能的核心算法是完全依賴于C/C++的，而且Python歷史上也一直都是科學計算和數據分析的重要工具。Python雖然是腳本語言，但是因為容易學，迅速成為科學家的工具（MATLAB等也能搞科學計算，但是軟件要錢，且很貴），從而積累了大量的工具庫、架構，人工智能涉及大量的數據計算，用Python是很自然的，簡單高效。
2: Python雖然慢但是它只是調用AI接口，真正的計算全是C/C++寫好的數據底層，用Python只是寫相應的邏輯，幾行代碼就出來了。換成C++的話，不僅代碼量太大，而且開發效率太低，不是說用C++寫不了上層邏輯，，而是換來總體速度提升1%，得不償失。
3：Python在擁有簡潔的語法和豐富的生態環境從而提高開發速度的同時，對C的支持也很好，python結合了語言的優點，又通過對C的高度兼容彌補了速度慢的缺點，自然受到數據科學研究者與機器學習程序員的青睞。

python擴展語言的優勢：
用于通用AI：
1.AIMA —— Python 實現 Russell 和 Norvig 的‘Artificial Intelligence: A Modern Approach’庫。
2.pyDatalog —— Python 中的邏輯編程引擎SimpleAI —— Python 實現了“AIMA”一書中描述的許多人工智能算法。它側重于提供易于使用，有據可查的測試庫。
3.EasyAI —— 簡單的 Python 引擎，用于 AI 的雙人游戲，如 Negamax, transposition tables, game solving。
用于機器學習：
1.PyBrain —— 靈活、簡單，但對于機器算法任務非常高效，它是 Python 的一個機器學習模塊化庫。它還提供了各種預定義的環境來測試和比較你的算法。
2.PyML —— 一款以 Python 編寫的側重于 SVM 和其他內核方法的雙邊框架。它支持在 Linux 和 Mac OS X 上運行。
3.scikit-learn —— 旨在提供在各種環境下可重復使用的簡單而強大的解決方案：機器學習作為科學和工程的多功能工具。它是一個 Python 模塊，它將經典的經典機器學習算法集成在如緊密結合的科學世界的 Python 軟件包中（如 numpy，scipy，matplotlib）。