Golang和 Python 究竟哪种语言更适合AI工程师？Python很出色，但对于AI编程来说，Golang或许更合适。
作者 | Michael lyam
译者 | 孙薇，责编 | 郭芮
以下为译文：
Golang语言出现于大约十年前，也就是2009年11月，到现在刚满10岁不久。这门由Google工程师所开发的语言，大大提高了开发者的工作效率。语言开发者的初衷是希望这种语言能消除C++等语言中的所谓“额外垃圾”，它允许我们编译机器码，支持运行时反射，并有着便利的垃圾回收机制。
Golang语言如今正成为机器学习及AI的主流 编程语言 ，惠及全球数百万的用户。一些大品牌包括网飞、 美国运通 、Uber、Dropbox、Salesforce、Twitter以及Twitch等都是Golang的用户。
Golang会淘汰Python吗？答案是：并不会。
Python使用广泛，且用途太多，反而因此过时。它是一种编程语言，可以将数千个组件从单独的模块编译为整个的开发程序包。Python还有一个强大的社区，并有望在未来数十年间保持活跃。同时，在多种环境的测试下，Python公认是开发初学者极易入手的编程语言，深受年轻开发者的追捧。 Go 语言的性能在编写服务器端脚本时要优于Python，因此，如果你要寻找的是具有快速部署周期的超高性能并发服务时，Golang会优于Python。
但是，如今Go和Python被并称为最适合AI专业人士的热门语言。当公司同时使用这两种语言时，提出一个严峻的解决方案对我们来说可能会是个挑战。
对于AI工程师，Golang的优势
AI即将席卷整个技术世界。机器学习、自我纠正和推理都是一些可以模仿人类智能的应用程序。如今，AI驱动的应用使企业能够改善自身资源运用，从而造成积极的影响。
高可伸缩性及计算能力： 与Python相比，Golang在可伸缩性和性能方面的潜力更大，使用Go是出于这样的考量：Go在数学计算方面速度更高。比如，与Python相比，Go可以处理高达20-50倍数量的复杂数学问题，且处理速度更快。 Golang在AI上的用途更广： 尽管Go的库比较小，但一直持续增长，覆盖了AI方面多个用途的需求。Go的数据库，如GoLearn（数据处理），Goml（传输数据）以及Hector（解决二进制分类问题）都是为AI及其应用服务的一些库。 提供良好的代码可读性： Go语言所用的算法提供了一种极简主义的方法，允许开发者轻松编写可读的代码。 Go语言的开发者可以轻松使用Go语言库： 大多Go语言的开发者不需要选择其他编程语言所编写的库。Go拥有库的核心优势在于：使用Go语言的AI专业人士可以获得开发者的舒适感。
对于AI工程师：Python的优势
IT行业中新贵是什么？答案大多集中在机器学习和AI等领域，且确实如此。这两种技术一直是IT行业的主流，且会一直延续到短期未来。
多个库： 有各种各样的库可以协助AI工程师构建全新的算法、进行数据集的处理、处理模型、处理最为复杂的数据等，还提供了更多其他的功能。别忘了， TensorFlow 就是最热门的库之一，还是开源的，可用于Google多个机器学习的应用。 作为一门语言，Python是可访问的： 从业务方面来说，语言的可访问性仅仅意味着拥有庞大的Python编程专家市场。此外，我们知道这些编程语言已经在全球范围内普及起来。 强大的社区： Python具有完善的强大社区。根据2019年的GitHub报告，全世界大约有100万次pull request，该社区倾向于为创建新库投入资源，以扩展Python工具集及更新相关文档。
为什么要用Golang，而不是Python？
在可伸缩性上，Golang任务就是维护并帮助开发者在更大范围内解决问题，这也是Golang内置支持并发流程通道的原因。但Python在并发方面则面临着重大挑战。
由于支持并发，Go语言广泛运用在集群计算和云计算方面。
如上所述，当涉及到可读性时，Python肯定更占优势，但有时未免太过。Python确实为使用者在同一件事的阐述上提供了多种方式，但反而常会引发混乱。相反，Go语言在编程时遵循着严格的规则，不允许简单导入不需要的库，也不允许创建不必要的变量。当然，这意味着Go语言在执行任务时优势更大。尽管有些人可能对代码非通用的事实不太满意，但会有人在乎核心编程的事情吗？也许，只要代码是可读的，就无需在意了。
想要就哪种语言更好得出结论，可能是一项艰巨的工作。尽管大多数情况下，Golang似乎占了上风。目前，它的耀眼程度可能还不如Python，但最终某天会成长到那个程度。根据记录，Python花费了20年才达到如今的水平，最初10年中Python并未引起太多关注，直到2001年才逐渐崛起。因此，Go语言也一定会赶上如今的Python，也许在引发关注方面，Go语言已经有了一定出色的表现。
原文：
作者：Michael lyam, 作家、AI极客、企业及社交媒体策略师。专业领域包括：人工智能、机器学习、物联网、数据科学、区块链和企业战略等主题。
译者：孙薇，前产品经理，现从事科幻小说及技术文章的编辑工作，兼职翻译。
本文为 CSDN 翻译，转载请注明来源出处。
