首先人工智能的语言不仅仅是python,确切的说凡是跟高性能挂钩的，基本都是用C++语言来编程，而python语言其实是就一种api 绑定，其背后调用的人工智能平台软件都是C或者C++来写的，例如tensorflow，xgboost, caffe等等，当我们用python编写好了一些算法逻辑时，背后真正计算的还是C++，例如我们用python写完了一个简单的cnn分类程序，那么实际上python只是调用了c++编写的tensorflow core api,实际的图的绘制，数据的流动都是c++来完成的。
其次，python语言因为其简洁、易懂的特性深受初学者喜爱，简洁到什么地步呢？当你使用python时，你不用去仔细的考虑引用、对象、垃圾回收等伤脑筋的问题，你指需要关注你的算法逻辑本身就好。同时python拥有良好的统计基础，例如numpy，scipy等工具包，让机器学习和人工智能的很多操作变的简单。例如对于矩阵的运算处理，在C++里面可能得写一大波操作才能实现一个矩阵的基础操作，而在python中可以直接调用numpy里面对应的接口来直接实现。
最后，是python跨平台、开源和社区。python基本上可以在任何一个平台上使用，且安装极为简单，这使得python面对任何一个用户都是开发的。在社区上，python的社区建设相对其他语言来说较为成熟，开发者的活跃度较高。比如你想读取doc文件，直接导入docx包就可以了，你想写一个网页，直接调用flask就好了，你想跑分布式计算，直接运行pyspark就好了，这一切的社区的完善，帮助python成为数据科学中常用的语言。
一点点的小建议是python虽然很好用，但是使用久了，往往会让人对于数据本身或者系统本身的一些基础操作产生遗忘，所以还是建议从业人员可以多多使用C++来编写相关的人工只能程序，或者多对基础问题反问，巩固知识点。鲁楠，数据挖掘师，京东集团-智能技术部
