2021年にAI開発に使える言語は何ですか？

[[417589]]

パイソン

Python は現在、機械学習で最も人気のあるプログラミング言語です。

Python は 1990 年代に作成され、さまざまな用途に使用されている高水準プログラミング言語です。

データサイエンス計算やWeb開発も含まれており、その後ビッグデータや機械学習でも広く活用され、AI業界で主導的な地位を獲得しました。

AI 開発における Python の主な機能は次のとおりです。

シンプルな構文
活発なPythonコミュニティ、既存のライブラリはかなり成熟している
ほぼすべてのオペレーティングシステムに適応
オブジェクト指向パラダイムを持つ
完全にオープンソースで、開発者にとって手間がかかりません。

AI 開発用の Python フレームワーク: TensorFlow、Keras、Theano、Scikit-learn。

リスプ

Lisp 言語は、1960 年にマサチューセッツ工科大学 (MIT) のジョン・マッカーシーのチームによって開発されました。この言語は、自然言語、数式検証、人工知能などの研究で広く使用されています。過去半世紀にわたって、LISP 言語の数多くのバージョンが作成されてきました。

Lisp が人気なのは、かなり単純な構造を使用して複雑かつエレガントなシステムを記述できるためです。

Lisp 言語の特徴は、そのプログラミング環境において、エンコードにおいて「データ」と「コード」の区別がないことです。これにより、Lisp は「データ」だけでなく「コーディング」も操作できるようになります。この機能により、Lisp は人工知能プログラミングに最適な言語の 1 つになります。

Lisp 言語の最も注目すべき機能:

Lisp はプログラム形式とデータ形式が同等であり、データ構造をプログラムとして実行したり、プログラムをデータとして変更したりすることができます。
命令型言語の場合のように反復 (ループ) の代わりに、再帰が制御構造として使用されます。
記号情報の処理に最適です。
高度なプロトタイプを開発し、新しいオブジェクトを動的に作成するために使用できます。

Common Lisp オブジェクトシステムの設計パターン:

Lisp は AI システムに最適な言語であり、InterLisp、QLisp、CommonLisp などの新しい言語を生み出しました。

フレームワーク: SabraOnTheHill、Weblocks、Clack。

R

R プログラミング言語は、1990 年代初頭に GNU プロジェクトの一部として登場しました。これはデータ分析で広く使用されており、回帰、分類、決定木の形成などの一般的な ML 問題を解決するためによく使用されます。 Python と同様に、R はインストール、構成、使用が簡単なオープンソース言語です。

統計学者は分析とデータ処理に R 言語を好みます。

R で予測を行うためのモデルを作成すると、次のようになります。

主な利点:

R は大量のデータを効率的に処理できます (Python よりもはるかに優れています)。
関数型プログラミング/ベクトル/計算およびオブジェクト指向プログラミングが可能になります。
R は独立しており、他のプログラミング言語とうまく統合されます。
R はデータ分析だけでなく、データの視覚化にも使用できます。

R言語コード表示

AI 開発用の R フレームワーク: MXNet、Keras、TensorFlow。

プロローグ

Prolog は論理プログラミング言語の有名な例です。 1970年にアラン・コルメロとフィリップ・ルーセルによって設立されました。

Prolog は逆ルールに基づく演繹推論技術であり、そのインタープリタは論理仕様に従って出力を継続的に実行します。 Prolog 言語は一般的なコンピュータサイエンスで使用されており、特に AI において一定の利点があります。

Prolog 言語の機能: 透過的でエレガントな構文と明確に定義されたセマンティクスを提供します。

Prolog は人工知能の問題の解決に興味深く重要な貢献をしてきました。最も重要なのは、宣言的セマンティクス、AI タスクで関係を直接表現する手段、および組み込みの統合ツール、マッチング、検索テクニックです。

Prolog の主な利点:

Prolog は単純な構文と単純なセマンティクスを使用します。
Pascal や C などのアルゴリズム言語よりもはるかに強力です。
Prolog データベース (事実とルール) は、プログラム自体またはユーザーによって実行時に動的に変更できます。

フレームワーク: SWI-Prolog、ProFL、Eclipse。

JavaScript

JavaScript (Flanagan、2002) は、もともと Netscape の Brendan Eich によって開発されました。当初は Mocha と呼ばれていましたが、後に LiveScript に名前が変更されました。 JavaScript 言語の標準は、1990 年代後半に欧州コンピュータ製造業者協会 (ECMA) によって開発され、ECMA-262 と呼ばれています。この標準は、国際標準化機構によって ISO-16262 として承認されています。1995 年末に、Netscape と Sun Microsystems (Oracle の前身) が共同で LiveScript を開発し、これが JavaScript となりました。 JavaScript はバージョン 1.0 から 1.5 にかけて大幅に進化しました。多くの新しい機能が追加されました。

JavaScript は、柔軟性とマルチパラダイムを備えた高レベルの動的型付け言語です。最も成熟した最新の機械学習開発ライブラリは、JavaScript をベースにした Google の Tensorflow.js です。以下は Tensorflow で記述されたコード例です。

主な利点:

WebGL によって高速化された高い計算性能を持ち、GP によってさらに強化できます。
JavaScript は安全な開発環境として知られています。
JavaScript の開発/パフォーマンス/デバッグのプロセスは効率的です。
ウェブページに機械学習を適用する場合、JavaScript には明らかな利点があります。

フレームワーク: Apache、PowerLoom、Eye、Tweety。

C++

C++ は現在使用されている最も古いプログラミング言語です。これは、C 言語の機能強化を目的とした研究プロジェクトとして、1980 年代初頭にベル研究所で始まりました。 C++ は、低レベルプログラミング言語と高レベルプログラミング言語の両方の機能を組み合わせることで、人工知能と機械学習の分野で他のプログラミング言語よりも高いレベルの制御と効率を提供します。

この言語の柔軟性は、リソースを大量に消費するアプリケーションや機械学習プログラムのサブセットに適しています。 C++ は静的に型付けされた言語であり、実行速度の向上に役立ちます。

C++ で構築された線形回帰モデルを見てみましょう。

主な利点:

複雑な AI の問題を解決できます。
多数のライブラリ関数/プログラミングツールを備えています。
整理されたデータを実現するのに役立つオブジェクト指向の原則に従います。

フレームワーク: TensorFlow、Boost、Microsoft Cognitive Toolkit、Caffe、Shark。

ジャワ

Java は 1990 年代半ばに導入され、当初は C++ と構造が非常によく似た高レベルのオブジェクト指向プログラミング言語として考案されました。 Java は人気があるため、機械学習ソフトウェア開発コミュニティにとって非常に役立つ幅広いアルゴリズムを備えています。 Java は、バイトコードとサンドボックスを使用しているため、多くの点で最も安全なプログラミング言語の 1 つと考えられています。

これは、コードベースのセキュリティやコンパイルの複雑さといった C++ の欠点を解消した、C++ の成功した具体化であると言えます。

Java が提供する最も重要な利点は次のとおりです。

簡単なデバッグ
使いやすい
スケーラブルなプロジェクトでの作業を簡素化
グラフィカルデータ表示
使いやすさ

AI での用途: Java は WORA とオブジェクト指向パターンを組み合わせているため、ニューラルネットワークプロジェクトの作成や検索アルゴリズムの開発に非常に適しています。 Java を使用して AI ソリューションを構築するのが最も簡単なアプローチです。

フレームワーク: Spring、Hibernate、JSF、GWT、Blade。

スカラ

Scala プロジェクトは、2001 年にローザンヌ連邦工科大学 (EPFL) で開始されました。Scala Scala は、マルチパラダイムプログラミング言語であり、オブジェクト指向プログラミングと関数型プログラミングのさまざまな機能を統合するスケーラブルな言語として設計された Java のようなプログラミング言語です。

Scala に最適なツールの 1 つはコンパイラです。このツールは型を判別できます。また、開発者にさらに多くの機能を提供するために、Java 上にいくつかの新機能が追加されています。 Scala で利用可能な機能の例:

文字列比較の改善
パターンマッチング
クラス定義に関数を組み込むミックスイン。
Scala では、開発者は futures と promises を使用してデータを非同期的に処理できるため、アプリケーションの並列化/分散化が容易になります。

Scala の主な利点は次のとおりです。

永続的なセッションデータ構造をサポート
Javaスタックと組み合わせて使用可能
簡潔で安全な一般的なプログラミングパターンのセットを提供します。

Scala は強力な並行性サポートを提供し、リアルタイムおよび並列分析プロジェクトに役立ちます。統計学習や人工知能の大規模プロジェクトに適しています

フレームワーク: Play、Scalatra、Pinky。

ジュリア

最近作成された Julia 言語は、科学技術分野における高性能コンピューティングに重点を置いた、オープンで動的にコンパイルされる言語です。 Julia は、Python、R、MATLAB などのインタープリタ型言語の後に登場しました。 Julia 言語は JIT コンパイルと組み合わされており、インタラクティブ性と速度も実現できます。実際、Julia プログラムは C プログラムに匹敵する速度で実行されます。 Julia の JIT コンパイルは、コードを実行する必要がある場合にのみ、複数のディスパッチで実行されます (つまり、関数は渡される引数の型に応じて実行時に動的に呼び出されます)。

Julia は、現代の一般的な言語のほぼすべての機能を継承しています。