什么语言选择与AI交谈

人工智能现代技术的发展需要实施其编程和学习的最新方法。科学家正在开辟新的机会,利用AI及其向开发人员的应用领域。所有这些都需要更新软件开发工具。

开发人员如何选择AI语言

选择编程语言 当开发AI系统时取决于是否是开发模型及其培训的问题,或者为培训(推理)模型运行的目标平台编写代码。应考虑有些方面,涉及在钢筋学习技术的运行或使用期间对模型的额外培训有所培训。

通常,目标平台使用许多限制;预编译的培训模型用于低级C系列语言环境中的执行。

在此上下文中的编程语言的相关性取决于其满足三种基本要求的能力:

  • 易于复杂的模型开发和大型型框架的可用性。
  • 研究解决AI实施问题的开放式代码的可访问性。
  • 能够在培训后将开发的模型代码移植到所需的目标平台。

分析评论显示,今天大多数开发人员喜欢使用Python作为通用模型建筑语言。它是一种用于创建API和管理培训流程的工具。由谷歌和Facebook这样的领先AI玩家支持的越来越大的流行度和持续改进,通过领先的AI播放器,将这种语言带到顶层基于易于发展。

在开放访问中的大量AI项目(例如,在GitHub上),堆栈溢出的良好社区的存在和Python程序员的其他论坛允许将其视为符合可访问性研究要求的语言。

最后,这种框架作为Google服务和其他框架可以将开发的Python程序的高效迁移到目标平台,这大大加快了开发模型转移到生产中的转移。因此,满足代码移植的要求。

C ++可以被认为是第二种相关语言,其中开发了许多模型以在分布式环境中执行。然而,由于这种语言的AI框架数量有限,它差不多。

Java可以称为执行AI模型的第三种最相关的语言。

当AI进行时,语言如何改善

今天,我们不应将AI技术的发展与改进进行编程语言。

要开发AI模型,应用普通和方便的语言,而不是专门的语言。它允许开发人员跟上不断更新各种AI技术,无需研究新工具。

今天有发展趋势朝着发展的并发症。它很自然,因为每个新技术和AI都会导致更复杂的模型的出现,其培训需要在巨大的数据集中组合成特殊结构的巨大数据集,例如高级张量。

新软件工具的任务是最大限度地降低开发人员模型复杂性的增长。张量将成为具有受控功能的对象,如前所述在与同一编程语言中调用。

让它更容易和更便宜

今天,AI项目的发展可以被认为是复杂的,因为在市场上没有这么多专业人士,他们理解机器学习范式。常常公司面临寻找基于AI的开发商和管理人员的挑战。

另一方面是在开发过程中需要使用特定的硬件和软件平台。即使在云服务租用时,它们也很贵。

在这种情况下,出现了另一个问题,即搜索合格的管理员和DevOps工程师。克服了应用工业AI的狭义技术开发商和研究人员和研究人员和开发商之间的人员差距是一项重要任务。解决此问题将允许将AI项目的开发从“复杂”转移到“普通”。

工具的增强,可以发生AI开发的成本降低。这里的有效方向可以是培训型号的可视化编程工具的增强。一个例子是Microsoft Azure机器学习工作室。还有必要考虑到强大的AI的积极使用,根据规格,实施的其他专业AI Cloud AutoML 和自动keras开放框架。

未来的语言

随着AI工具的开发,重点将从编程语言转向用户界面,以与机器学习模型的强大设计人员交互。

但是,由于实际项目,通常是纯粹的机器,因此需要所谓的“软件胶水”将技术异构组件结合到一个项目中。这种“胶水”的作用将留在一个方便的编程语言背后,不仅适合AI组件的开发人员,还适合软件项目的其他部分。

将来,将改善建筑学习模型的框架。它们将逐渐包含在可视化编程的工具数量中,并将与基于云的AI轻松集成。

很快很快AI就会能够编制程序。 NASNET Google是另一个人工智能创建AI学习模型的第一个例子。它是由Google Automl于2017年生成的。 从那时起,这个AI已经复制了很少的专业化“artificial children.”

贡献者

artezio r&D Department &国家研究大学高等经济学教授

贡献者表达的意见是他们自己的意见。

关于Vladimir Krylov.

artezio r&D Department &国家研究大学高等经济学教授

查看Vladimir Krylov的所有帖子→