在第三届互联网大会中CE李彦宏曾表述:靠移动互联网的风口已经没有可能再出现独角兽了，因为市场已经进入了一个相对平稳的发展阶段，互联网人口渗透率已经超过了5%。而未来的机会在人工智能。的确互联网巨头公司在人工智能领域投入明显增大，都力争做人工智能时代的“带头大哥”。

　　 在人工智能上使用Pythn编程语言的优势:Pythn有许多图像加强库像Pythn Imaging bary,VTK和Maya 可视化工具包，Numeric Pythn, Scientific Pythn和其他很多可用工具可以于数值和科学应用。Pythn的设计非常好，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。 对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。最后，它是开源的。可以得到相同的社区支持。

　　 AI的Pythn库 总体的AI库AIMA:Pythn实现了从Russell到Nrvigs的“人工智能:一种现代的方法”的算 法。pyDatalg:Pythn中的逻辑编程引擎。SimpleAI:Pythn实现在“人工智能:一种现代的方法”这本书中描述过的人工智能 的算法。它专注于提供一个易于使用，有良好文档和测试的库。EasyAI:一个双人AI游i 的pythn引擎（负极大值，置换表、游i 解决）。 机器学库PyBrain:一个灵活，简单而有效的针对机器学会任务的算法，它是模块化的Pythn机器学i库。它也提供了多种预定义好的环境来测试和比较你的算法。PyML:一个用Pythn写的双边框架，重点研究SVM和其他内核方法。它支持nu和Mac S 。

　　 scikit-learn:旨在提供简单而强大的解决方案，可以在不同的上下文中重用:机器学i作为科学和工程的一个多功能工具。它是pythn的一个模块，集成了经典的机器学i的算法，这些算法是和pythn科学包（numpy,scipy.matpltb）紧密联系在一起的。MDP-Tlkit:这是一个Pythn数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学i算法和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法（主成分分析、独立成分分析、慢特征分析）、流型学i方法（局 部线性嵌入）、集中分类、概率方法（因子分析，RBM)、数据预处理方法等等

　　 Pythn作为一门编程语言，其魅力远超C#，Java,C,C ，它被昵称为“胶水语言”，更被热爱它的程序员誉为“最美丽的”编程语言。从云端、客户端，到物联网终端，pythn应用无处不在，同时也是人工智能首先的编程语言。