هوش مصنوعی (Artificial Intelligence) و یادگیری ماشین (Machine Learning) جزء تحسین برانگیز‌ترین و البته بحث‌برانگیزترین ارمغان‌های IT هستند. در حالی که هنوز بحث بر سر امن بودن این تکنولوژی‌ها ادامه داره، توسعه دهندگان به طور مداوم در حال افزایش قابلیت‌های این تکنولوژی‌ها هستند! هوش مصنوعی امروز خیلی بیشتر از اون‌چه که توی فانتزی‌های علمی چند سال پیش می‌دیدیم فراتر رفته؛ الان دیگه هوش مصنوعی تبدیل به یک نیاز شده. حجم داده‌هایی که نیاز به تحلیل و تجزیه دارند بیشتر از اونه که بشه به صورت دستی انجامشون بدیم. هوش مصنوعی داره کاری رو انجام میده که برای انجامش نیاز به نیروی انسانی و زمان زیادی داریم.
نمودار بالا رشد زبان‌های برنامه‌نویسی برای هوش مصنوعی رو نشون میده. بیشترین رشد مربوط به زبان پایتون هست.
زبان برنامه‌نویسی پایتون از چند سال پیش وجود داشت و در دسترس بود، ولی توی این سال‌های اخیر خیلی بیشتر اسمش رو شنیدیم؛ درخشش این زبان برنامه‌نویسی بیشتر به این دلیله که برای توسعه هوش مصنوعی و یادگیری ماشین ازش استفاده میشه. توی این مقاله میخوایم بگیم چرا این زبان بهترین انتخابی هست که میتونیم برای هوش مصنوعی داشته باشیم؟
۱- اکوسیستم کتابخانه‌ای عالی
یکی از دلایلی که زبان پایتون بهترین گزینه در هوش مصنوعیه، داشتن کتابخانه‌های متنوع و مفیدیه که در دسترس هست. کتابخانه (Library) یک ماژول یا مجموعه‌ای از ماژول‌های از پیش نوشته شده است که توسط منابع مختلف مثل PyPi منتشر میشه و امکان اجرای عملیات مختلف رو براتون فراهم میکنه. کتابخانه‌های خود پایتون، عملیات پایه‌ای رو براتون فراهم می‌کنن، جوری‌که مجبور نباشید همه‌چیز رو از اول خودتون بنویسید.
یادگیری ماشین که بهش ماشین‌لرنینگ هم گفته میشه، نیاز داره داده‌ها رو به صورت پیوسته پردازش کنه؛ کتابخونه‌های پایتون این امکان رو براش فراهم می‌کنن. عملیاتی مثل دسترسی به داده‌ها و تبدیل‌هایی که روی داده‌ها باید انجام بشه رو با کتابخونه‌ها میشه راحت‌تر انجام داد. لیستی که براتون آوردیم چند تا از کتابخونه‌هایی که بیشترین استفاده رو در هوش مصنوعی و ماشین‌لرنینگ دارن، نشون میده:
Scikit-learn: برای انجام عملیات پایه‌ای مثل دسته‌بندی، رگرسیون خطی و منطقی، خوشه‌بندی و غیره .
Pandas: برای تحلیل و ساختارهای داده‌های پیشرفته مثل فیلتر کردن یا جمع‌آوری داده از منابع خارجی مثل excel
Keras: برای یادگیری عمیق (Deep Learning). این کتابخونه امکان پردازش سریع رو فراهم میکنه و میتونه به جای CPU از GPU استفاده کنه.
TensorFlow: برای یادگیری عمیق و شبکه عصبی و داده‌های زیاد
Matplotlib: برای ایجاد نمودار‌های دو بعدی، هیستوگرام و هرگونه تصویر‌سازی داده
NLTK: برای پردازش‌های زبان طبیعی (NLP)
PyBrain: برای شبکه عصبی، یادگیری بدون نظارت (Unsupervised Learning) و یادگیری تقویتی (Reinforcement Learning)
Cafe: برای یادگیری عمیق. این کتابخونه امکان جابجا کردن محاسبات بین CPU و GPU رو فراهم میکنه و میتونه بیش از ۶۰ میلیون تصویر رو در یک روز پردازش کنه؛ اونم فقط با یک پردازنده NVIDIA K40 GPU
StatsModels: برای مدل‌های آماری و پردازش داده‌ها
۲- هزینه ورود پایین!
وقتی میخواید کار با هوش مصنوعی و یادگیری ماشین رو شروع کنید، باید بتونید داده‌های زیادی رو با کمترین زحمت پردازش و تجزیه تحلیل کنید. زبان پایتون یک زبان سطح بالاست و یادگیری آسونی داره، انگار دارید به زبان انگلیسی صحبت می‌کنید! بخش یادگیری زبان وقت زیادی ازتون نمی‌گیره. ارتباط بین المان‌ها واضحه و به همین دلیل درک کردن این زبان هم کار سختی نیست. همچنین توی این زبان با کمترین خطوط کد می‌تونین عملیات پیچیده رو انجام بدین. سادگی این زبان هست که اونو خاص میکنه!
۳- انعطاف‌پذیری
پایتون برای ماشین لرنینگ بهترینه؛ چون انعطاف بالایی داره:
می‌تونین از برنامه‌نویسی شیءگرا استفاده کنید یا به جاش اسکریپت بنویسید.
نیاز به recompile نداره. تغییراتی که میخواید رو اعمال می‌کنید و نتیجه رو می‌بینید.
اگه جایی از برنامتون لازمه که ماژولی رو استفاده کنید که به زبانی غیر از پایتون نوشته شده، نگران نباشید! پایتون این اجازه رو بهتون میده
به علاوه پایتون به توسعه‌دهنده‌ها این اجازه رو میده که از هر استایل (Style) برنامه‌نویسی که خواستند استفاده کنن؛ حتی می‌تونن این استایل‌ها رو با هم ترکیب کنند.
۴- عدم وابستگی به platform
مورد بعدی که پایتون رو تبدیل به انتخاب ایده‌آل برای هوش مصنوعی میکنه عدم وابستگی به پلتفرم هست. پایتون قابلیت اجرا روی لینوکس، ویندوز، macOs، یونیکس و ۲۱ پلتفرم دیگه قابل استفاده هست. برای اینکه بشه کدی رو که زدید روی پلتفرم متفاوتی اجرا کنید، فقط لازمه چند تا تغییر جزئی توی کد بدین. این مزیت باعث میشه که هزینه تست روی پلتفرم‌های مختلف هم پایین باشه.
۵- قابلیت خواندن آسون
خوندن کد‌های پایتون خیلی ساده‌س؛ به همین دلیل هر توسعه‌دهنده‌ای میتونه کار همکارش رو درک کنه. این قضیه باعث میشه همکاری توی توسعه و اشتراک‌گذاری کد‌های پایتون تقریبا بی‌زحمت باشه.
همچنین ابزار‌هایی مثل IPython (یک shell تعاملی) وجود داره که فرایند تولید کد رو هم ساده‌تر می‌کنن.
۶- قابلیت تصویر‌سازی خوب
همونطور که قبلا هم گفتیم زبان پایتون کتابخونه‌های متنوعی داره؛ بعضی از این کتابخونه‌ها ابزار‌های عالی‌ای برای تصویر‌سازی داده‌ها هستند. از اون‌جایی که توی هوش مصنوعی و ماشین لرنینگ نمایش و برجسته کردن نتایجی که میخواید حیاتی هست، این قابلیت پایتون براتون ارزش بیشتری پیدا میکنه.
۷- جامعه پشتیبانی قوی
وجود یک جامعه پشتیبانی قوی، امتیاز بزرگی برای هر زبان برنامه‌نویسی یا تکنولوژی محسوب میشه. پایتون یک زبان منبع‌بازه؛ یعنی خیلی‌ها هستند که روی بهبود این زبان کار می‌کنن. مستندات خیلی زیادی برای پایتون در دسترس هست. همچنین جوامع آنلاین و فروم‌های زیادی هستند که کاربران پایتون مشکلاتشون رو مطرح می‌کنند، با هم بحث می‌کنند و راه‌حل پیدا می‌کنند.
۸- محبوبیت رو به رشد
به خاطر همه مزیت‌هایی که گفتیم و همچنین رایگان بودن این زبان و کتابخونه‌هاش، محبوبیت این زبان روز به روز داره بیشتر میشه. پایتون یک زبان همه‌منظوره‌س؛ یعنی نه فقط برای هوش مصنوعی و یادگیری ماشین، بلکه برای طراحی وب یا طراحی اپلیکیشن هم میشه از این زبان استفاده کرد.
محبوب بودن این زبان رو میشه این‌جوری معنی کرد که پیدا کردن کسی که پایتون رو بلد باشه آسون‌تره. همچنین تحقیق کردن راجع به این زبان آسون‌تره، چون منابع زیادی در دسترسه و خیلیا هستند که راجع بهش راهنماییتون کنن.
ما توی تیم لرنوفن سعی می‌کنیم برای ورود به دنیای شگفت‌انگیز هوش مصنوعی و یادگیری ماشین کمکتون کنیم.
