移动互联网取代PC互联网领跑在互联网时代的最前沿，Android和iOS一度成为移动互联网应用平台的两大霸主，成为移动开发者首选的两门技术，HTML5以其跨平台的优势在移动互联网应用平台占据重要位置，可以说是后来者居上。 由于技术的限制难以催生出更多的新应用，互联网+的产品日渐饱和，移动互联网从巅峰时代逐渐趋于平缓发展，下一个时代谁是主场？下一门应用技术谁来掌门？
在第三届互联网大会中百度CEO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50%。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”。
Python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，python应用无处不在，同时也是人工智能首先的编程语言。
在人工智能上使用Python编程语言的优势：
优质的文档
平台无关，可以在现在每一个*nix版本上使用
和其他面向对象编程语言比学习更加简单快速
Python有许多图像加强库像Python Imaging Libary,VTK和Maya 3D可视化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于数值和科学应用。
Python的设计非常好，快速，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Python库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法。
pyDatalog：Python中的逻辑编程引擎。
SimpleAI：Python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游戏的python引擎（负极大值，置换表、游戏解决）。
PyBrain：一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。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Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。
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：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包（numpy,scipy.matplotlib）紧密联系在一起的。
MDP-Toolkit：这是一个Python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习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）、流型学习方法（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。
