なぜAIでPythonがよく使われる？Model、Data、Experimentをつなぐ「作業台」だから

AI Tutorialを開くと、かなり高い確率でPythonが出てきます。

そこで「AIを触る前にProfessional Programmerにならないといけない？」と思うかもしれません。

その必要はありません。

まずはDataを表現し、Functionを呼び、Packageを入れ、Errorを読める程度のPythonから始めれば十分です。

なぜPythonがAIで広がった？

Pythonがすべての低レベル計算で最速だからではありません。

読みやすいSyntaxと巨大なLibrary Ecosystemが強みです。

重い計算の裏側ではC、C++、CUDAなど高速な実装が動き、Pythonは人間が操作しやすいInterfaceとして使われます。

最初に必要なConcept

• Variable
• String / Number
• List / Dictionary
• if
• for loop
• Function
• import
• File Read / Write
• 基本的なException

この程度が分かるだけでも、多くのAI Example Codeを読めます。

Libraryが大きな理由

AI周辺では、

• NumPy — 数値Array
• pandas — Table Data
• PyTorch — Tensor計算とDeep Learning
• TransformersなどのModel Library
• AI ProviderのSDK
• Jupyter — Interactive Notebook

など、多くの既製Toolがあります。

毎回Matrix計算をゼロから実装する必要はありません。

Virtual Environmentとは？

Projectごとに必要なPackage Versionが違うことがあります。

Virtual Environmentは、ProjectごとのPython Package環境を分ける仕組みです。

venv、conda、uvなど、複数の管理Toolがあります。

Jupyter NotebookはExperimentに便利

Cell単位でCodeを実行し、その場でVariableやGraphを確認できます。

Data探索やModel Experimentに向いています。

ただし実行順序が隠れたり、Environment依存が分かりにくくなったりするため、安定した処理は後でScriptやPackageへ移すことがあります。

Pythonは外部Toolをつなぐ

Python Programは、

• AI APIをCall
• Local ModelをLoad
• CSV / JSONを読む
• DatabaseへQuery
• Library経由でGPUを使う
• File操作をAutomation
• Web APIを作る

など、いろいろなSystemのGlueとして働きます。

小さなWorking Codeから学ぶ

言語全部を暗記してから始める必要はありません。

20行程度の動くScriptを用意し、Inputを変える、途中Valueをprintする、わざとErrorを出してTracebackを読む、といった反復が実用的です。

今日の一文

Pythonは、人間が読みやすい形でData、Model、API、Automationの巨大なEcosystemをつなげられるため、AIで広く使われています。

次の第027回ではNotebookの外へ出たときによく出会うCLI、Git、GitHubを整理します。