Lista de lenguajes de programación para inteligencia artificial

Históricamente, algunos lenguajes de programación han sido diseñados específicamente para aplicaciones de inteligencia artificial (IA) . Hoy en día, muchos lenguajes de programación de propósito general también tienen bibliotecas que pueden usarse para desarrollar aplicaciones de IA.

Lenguajes de propósito general

• Python es un lenguaje de programación de alto nivel y de propósito general que es popular en inteligencia artificial. ^[1] Tiene una sintaxis simple, flexible y de fácil lectura. ^[2] Su popularidad da como resultado un vasto ecosistema de bibliotecas , incluso para aprendizaje profundo , como PyTorch , TensorFlow , Keras , Google JAX . La biblioteca NumPy se puede utilizar para manipular matrices, SciPy para análisis científicos y matemáticos, Pandas para analizar datos de tablas, Scikit-learn para diversas tareas de aprendizaje automático , NLTK y spaCy para procesamiento de lenguaje natural , OpenCV para visión por computadora y Matplotlib para visualización de datos. . ^{[3] La biblioteca} de transformadores de Hugging Face puede manipular modelos de lenguaje grandes . ^[4] Jupyter Notebooks puede ejecutar celdas de código Python, conservando el contexto entre la ejecución de las celdas, lo que generalmente facilita la exploración interactiva de datos. ^[5]
• R se usa ampliamente en inteligencia artificial de nuevo estilo, que involucra cálculos estadísticos, análisis numérico, el uso de inferencia bayesiana , redes neuronales y, en general, aprendizaje automático . En ámbitos como las finanzas, la biología, la sociología o la medicina se considera uno de los principales lenguajes estándar. Ofrece varios paradigmas de programación como computación vectorial, programación funcional y programación orientada a objetos .
• Lisp fue el primer lenguaje desarrollado para inteligencia artificial. Incluye funciones destinadas a respaldar programas que podrían realizar la resolución de problemas generales, como listas, asociaciones, esquemas (marcos), asignación de memoria dinámica, tipos de datos , recursividad, recuperación asociativa, funciones como argumentos, generadores (flujos) y multitarea cooperativa.
• C++ es un lenguaje compilado que puede interactuar con hardware de bajo nivel. En el contexto de la IA, se utiliza particularmente para sistemas integrados y robótica . Se pueden utilizar bibliotecas como TensorFlow C++, Caffe o Shogun. ^[1]
• JavaScript se usa ampliamente para aplicaciones web y, en particular, se puede ejecutar con navegadores web . Las bibliotecas para IA incluyen TensorFlow.js, Synaptic y Brain.js. ^[6]
• Julia es un lenguaje lanzado en 2012 que pretende combinar facilidad de uso y rendimiento. Se utiliza principalmente para análisis numérico , ciencia computacional y aprendizaje automático. ^[6]
• C# se puede utilizar para desarrollar modelos de aprendizaje automático de alto nivel utilizando la suite .NET de Microsoft . ML.NET se desarrolló para ayudar a la integración con proyectos .NET existentes, simplificando el proceso para el software existente que utiliza la plataforma .NET.
• Smalltalk se ha utilizado ampliamente para simulaciones, redes neuronales, aprendizaje automático y algoritmos genéticos . Implementa una forma pura y elegante de programación orientada a objetos mediante el paso de mensajes .
• Haskell es un lenguaje de programación puramente funcional . La evaluación diferida y las mónadas de lista y LogicT facilitan la expresión de algoritmos no deterministas, que suele ser el caso. Las estructuras de datos infinitas son útiles para los árboles de búsqueda . Las características del lenguaje permiten una forma compositiva de expresar algoritmos. Sin embargo, trabajar con gráficos al principio es un poco más difícil debido a la pureza funcional.
• Wolfram Language incluye una amplia gama de capacidades integradas de aprendizaje automático, desde funciones altamente automatizadas como Predecir y Clasificar hasta funciones basadas en métodos y diagnósticos específicos. Las funciones funcionan con muchos tipos de datos, incluidos numéricos, categóricos, series temporales, textuales e imágenes. ^[7]
• Mojo puede ejecutar algunos programas Python y admite la programabilidad del hardware de IA. Su objetivo es combinar la usabilidad de Python con el rendimiento de lenguajes de programación de bajo nivel como C++ o Rust . ^[8]

Idiomas especializados

• Prolog ^{[9] [10]} es un lenguaje declarativo donde los programas se expresan en términos de relaciones y la ejecución se produce ejecutando consultas sobre estas relaciones. Prolog es particularmente útil para aplicaciones de razonamiento simbólico, bases de datos y análisis de lenguaje.
• El lenguaje de marcado de inteligencia artificial (AIML) ^[11] es un dialecto XML ^[12] para usar con chatterbots de tipo entidad informática de Internet lingüística artificial (ALICE) .
• Planner es un híbrido entre lenguajes procedimentales y lógicos. Da una interpretación procesal a oraciones lógicas donde las implicaciones se interpretan con inferencia dirigida por patrones.
• Stanford Research Institute Problem Solver (STRIPS) es un lenguaje para expresar instancias de problemas de planificación automatizada . Expresa un estado inicial, los estados meta y un conjunto de acciones. Para cada acción se especifican condiciones previas (lo que se debe establecer antes de realizar la acción) y condiciones posteriores (lo que se establece después de realizar la acción).
• POP-11 es un lenguaje de programación compilado incrementalmente reflexivo con muchas de las características de un lenguaje interpretado . Es el lenguaje central del entorno de programación Poplog desarrollado originalmente por la Universidad de Sussex y recientemente en la Facultad de Ciencias de la Computación de la Universidad de Birmingham , que alberga el sitio web Poplog. A menudo se utiliza para presentar técnicas de programación simbólica a programadores de más lenguajes convencionales como Pascal , que encuentran la sintaxis POP más familiar que la de Lisp . Una de las características de POP-11 es que admite funciones de primera clase .
• CycL es un lenguaje de propósito especial para Cyc .

Ver también

• Glosario de inteligencia artificial
• Lista de lenguajes de programación de restricciones
• Lista de sistemas de álgebra informática
• Lista de lenguajes de programación lógica
• Lista de lenguajes construidos
• Lenguaje de programación de quinta generación.

Notas

1. Wodecki, Ben (5 de mayo de 2023). "7 lenguajes de programación de IA que debes conocer". Negocio de IA .
2. López, Matthew (11 de enero de 2021). "Diez razones principales por las que Python es bueno para la inteligencia artificial". Sumo tecnológico .
3. Kanade, Vijay (6 de mayo de 2022). "Las mejores bibliotecas Python ML 2022". Especias . Consultado el 3 de febrero de 2024 .
4. Chauhan, Nagesh Singh (16 de febrero de 2021). "Paquete Hugging Face Transformers: qué es y cómo utilizarlo". KDnuggets . Consultado el 3 de febrero de 2024 .
5. Perkel, Jeffrey M. (30 de octubre de 2018). "Por qué Jupyter es el cuaderno computacional preferido de los científicos de datos". Naturaleza . 563 (7729): 145-146. Código Bib :2018Natur.563..145P. doi :10.1038/d41586-018-07196-1. PMID  30375502.
6. Wodecki, Ben (5 de mayo de 2023). "7 lenguajes de programación de IA que debes conocer". Negocio de IA .
7. Lenguaje Wolfram
8. Yegulalp, Serdar (7 de junio de 2023). "Una primera mirada al lenguaje Mojo". InfoMundo .
9. Historia de la programación lógica:
   • Crevier 1993, págs. 190-196.
10. Prólogo :
    • Poole, Mackworth y Goebel 1998, págs. 477–491,
    • Luger y Stubblefield 2004, págs. 641–676, 575–581
11. según (la página de introducción) el repositorio AIML Archivado el 14 de abril de 2015 en Wayback Machine en nlp-addiction.com
12. Consulte la página "Introducción" (web) de AIML Archivada el 29 de octubre de 2013 en Wayback Machine en www.alicebot.org

Referencias

Principales libros de texto sobre IA

Véase también la encuesta sobre libros de texto de IA.

• Luger, George; Stubblefield, William (2004), Inteligencia artificial: estructuras y estrategias para la resolución de problemas complejos (5ª ed.), The Benjamin/Cummings Publishing Company, Inc., ISBN 0-8053-4780-1
• Nilsson, Nils (1998), Inteligencia artificial: una nueva síntesis , Morgan Kaufmann Publishers, ISBN 978-1-55860-467-4
• Russell, Stuart J .; Norvig, Peter (2003), Inteligencia artificial: un enfoque moderno (2ª ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-790395-2
• Poole, David; Mackworth, Alan ; Goebel, Randy (1998), Inteligencia computacional: un enfoque lógico, Nueva York: Oxford University Press, ISBN 0-19-510270-3
• Winston, Patrick Henry (1984), Inteligencia artificial, Reading, Massachusetts: Addison-Wesley, ISBN 0-201-08259-4

Historia de la IA

• Crevier, Daniel (1993). IA: la tumultuosa búsqueda de la inteligencia artificial . Nueva York, Nueva York: BasicBooks. ISBN 0-465-02997-3.
• McCorduck, Pamela (2004), Máquinas que piensan (2ª ed.), Natick, MA: AK Peters, Ltd., ISBN 1-56881-205-1