1956年，在一次科学探讨会上，人类首次提出了“人工智能”这个概念，会上，麦卡锡提出了“人工智能”这个概念，纽厄尔和西蒙则展示了编写的逻辑理论机器。
随着几十年的发展，人工智能经历了春夏秋冬四个季节，从被人追捧到跌入谷底，人工智能可谓是经历丰富。一直到1993年开始，人工智能才真正迎来了它的春天，2016年的人机大战，更让人工智能迎来了它的爆发期。时至今日，人工智能已经发展到各行各业，从航天到住宿，从购物到吃饭，无一不与人工智能有关。
在未来，人工智能会越来越占据人们主要生活，为生活提供便利，丰富娱乐项目。
但是，有人也不免担心，人工智能技术是否会很快走到尽头？一般能这样猜测的，无非是原因有三;其一是当前的人工智能技术体系主要以“合理性”为出发点；其二是人工智能产品依然存在较大的落地应用障碍；其三是人工智能领域目前缺乏强有力的突破点。
人工智能技术与python息息相关，提到人工智能就一定会提到Python。当我们重点把python编程技术学好，还担心人工智能之路不能长久吗？目前之所以会有这种担心，无外乎是因为人工智能技术的不成熟。
其实Python是一种动态的、面向对象的脚本语言，开始时是用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。而人工智能通俗讲就是人为的通过嵌入式技术把程序写入机器中使其实现智能化。
Python 的优势在于资源丰富，拥有坚实的数值算法、图标和数据处理基础设施，建立了非常良好的生态环境，吸引了大批科学家以及各领域的专家使用。Python 是众多主流语言中唯一一个战略定位明确，而且始终坚持原有战略定位不动摇的语言。
人工智能和Python的渊源在于，在学习人工智能时Python是用来操作深度学习框架的工具，加上python的胶水特性，能用C++ / CUDA程序来解决项目运行问题。
Python是一种用LISP和JAVA编译的语言，提供了访问Java图像用户界面的途径。这是PeterNorvig选择用JPyhton翻译他人工智能书籍中程序的的原因。JPython可以让他使用可移植的GUI演示，和可移植的http/ftp/html库。因此，它非常适合作为人工智能语言。
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。
Python 也借助 AI 和数据科学，攀爬到了编程语言生态链的顶级位置。Python 与 AI绑在一起，对它们来说，无论是电子商务、搜索引擎、社交网络还是智能硬件，未来都只是生态链下游的数据奶牛、电子神经和执行工具，都将听命于自己。
