basforge

Ищем по названиям, тексту и разборам «Если не работает».

    EN

    Python: откуда взялся, почему стал языком ИИ и с чего начать

    Python начинался в 1989-м как язык для администрирования — чтобы не выбирать между программой на C и скриптом shell. Сейчас на нём обучают нейросети и считают данные, хотя сайты в большинстве по-прежнему на PHP. Разбираем, что в языке такого, как менялись лидеры и почему, где Python слаб и почему модели всё чаще решают задачу, сочиняя скрипт.

    Что за язык

    Python — язык общего назначения: программу не собирают заранее, файл с текстом выполняет интерпретатор python. Главная мысль в его устройстве — код читают чаще, чем пишут. Поэтому блоки отмечают отступом, а не скобками, служебных символов мало, а типовые вещи уже лежат в стандартной библиотеке. Сам язык говорит об этом прямо — у него есть встроенный манифест:

    python -c "import this"
    # The Zen of Python, by Tim Peters
    #
    # Beautiful is better than ugly.
    # Explicit is better than implicit.
    # Simple is better than complex.
    # Complex is better than complicated.
    # Flat is better than nested.
    # Sparse is better than dense.
    # Readability counts.

    Как это выглядит в деле — пять самых частых слов в тексте лицензии Python:

    from collections import Counter
    
    words = open("license.txt", encoding="utf-8").read().lower().split()
    print(Counter(words).most_common(5))
    # [('the', 189), ('of', 121), ('or', 119), ('and', 97), ('in', 84)]

    На C то же самое — своя хэш-таблица, выделение памяти и разбор строки вручную, несколько десятков строк. Python медленнее C, но время программиста стоит дороже времени процессора — на этом размене язык и вырос.

    Отступы вместо фигурных скобок — решение окончательное, и интерпретатор отвечает на просьбу вернуть скобки так:

    python -c "from __future__ import braces"
    # SyntaxError: not a chance

    Название — не от змеи. Гвидо ван Россум, автор языка, читал тогда сценарии «Летающего цирка Монти Пайтона» и хотел имя короткое и немного загадочное. Поэтому в документации примеры называются spam и eggs, а не foo и bar, а import antigravity открывает в браузере комикс xkcd про Python.

    Как Python стал главным — и где не стал

    Главный язык менялся вместе с главной задачей: сайты на общем хостинге, потом данные, потом нейросети. В каждой эпохе выигрывал тот, кому было проще решить её.

    1989–2000: язык для админов между C и shell

    Гвидо работал в нидерландском институте CWI над распределённой ОС Amoeba. Администрировать её приходилось либо программами на C — долго писать, — либо скриптами Bourne shell — неудобно, как только задача сложнее пары команд. Он хотел язык посередине: читаемый, как учебный язык ABC, над которым он работал раньше, но расширяемый и с доступом к системе. Начал на рождественских каникулах 1989-го, в феврале 1991-го выложил в USENET. От ABC достались отступы и встроенные списки и словари. Расширения на C были в языке с самого начала — это окупится через 15 лет.

    2000–2010: сайты пишут на PHP, Python — у админов

    Веб в это время — PHP. Причина не в языке, а в хостинге: модуль mod_php встроен в Apache на любом дешёвом хостинге, файл .php загружаем по FTP — и он работает. Python для сайта требовал постоянно запущенного процесса: стандарт WSGI появился в 2003-м, Django — в 2005-м, но под них нужен свой сервер и администратор («Веб-серверы с 2008 года»).

    Python занял другую нишу — скрипты и автоматизацию, где раньше правил Perl. У Perl репутация «языка только для записи»: написать быстро, прочитать через полгода трудно, а Python читается как текст. Гвидо с 2005-го по 2012-й работал в Google, где Python был одним из основных языков. Крупные сайты на нём тоже появились: Instagram вырос на Django.

    В конце 2008-го вышел Python 3 — несовместимый со вторым. Самая заметная правка — print "x" стал print("x"), и миллионы строк кода пришлось переписывать. Переезд занял 11 лет: поддержку Python 2 прекратили 1 января 2020-го.

    2006–2015: данные переезжают в Python

    Учёные и аналитики считали в MATLAB — он платный — и R, где статистический тест пишется одной строкой, а веб-запрос или работа с файлами — уже возня. Вокруг Python сложился бесплатный набор: NumPy (2006) для массивов, pandas (2008) для таблиц, scikit-learn для машинного обучения, блокноты IPython, ставшие в 2014-м Jupyter. Выиграли расширения на C: тяжёлый счёт делает скомпилированный код, а на Python — всё вокруг: скачать данные, почистить, построить график, выложить результат. Один язык на весь путь вместо трёх.

    2015–2026: нейросети

    В ноябре 2015-го Google открыл TensorFlow, следом Facebook выпустил PyTorch — оба с Python снаружи и C++ и CUDA внутри. Исследователи и так сидели на NumPy и Jupyter, и новые библиотеки пришли туда, где уже были пользователи. Дальше сработал снежный ком: код к новым моделям публикуют на Python, поэтому следующую работу начинают на нём же. В октябре 2021-го Python впервые возглавил рейтинг TIOBE — до этого первыми бывали только C и Java.

    Сам Гвидо в 2018-м сложил с себя титул «великодушного пожизненного диктатора» — после спора об одном операторе, :=. С тех пор язык ведёт выборный совет из пяти человек.

    Кто главный в 2026-м

    Одного короля нет — у каждой задачи свой:

    Задача Лидер Почему
    Сайты PHP по W3Techs на 21.10.2026 — 69,3 % сайтов с известным серверным языком; один WordPress — 39,6 % всех сайтов. У Python — 1,1 %, его бэкенды обычно прячутся за API и снаружи не видны
    Браузер JavaScript, TypeScript других языков в браузере нет. По GitHub Octoverse 2025 TypeScript в августе 2025-го обогнал Python по числу авторов кода
    Данные и ИИ Python NumPy, pandas, PyTorch и код к моделям
    Инфраструктура Go на нём написаны Docker, Kubernetes, Traefik, CrowdSec, Caddy
    Системы, движки C, C++, Rust ядра ОС, браузеры, базы данных, внутренности PyTorch
    Корпоративные системы Java, C# банки, учёт, большие команды с долгой поддержкой

    Почему медленный язык считает нейросети

    Цикл на чистом Python

    c = [[sum(a[i][k] * b[k][j]
              for k in range(N))
          for j in range(N)]
         for i in range(N)]

    Матрицы 300 × 300 — 2,4 с. Интерпретатор выполняет каждое из 27 миллионов умножений сам.

    То же через NumPy

    c = a @ b

    Те же матрицы — 5–12 мс, в 200–500 раз быстрее, результат совпадает. Умножает код на C, оптимизированный под процессор; Python только передаёт ему матрицы.

    Так устроен весь ИИ на Python: PyTorch отдаёт вычисления видеокарте через CUDA, а на Python остаётся то, что меняют чаще всего, — устройство модели, данные, цикл обучения.

    текст в редакторе

    1. Скриптtrain.pyОбычный текстовый файл. Отступы — часть синтаксиса: ими отмечают, что внутри цикла, условия, функции.
    2. Интерпретаторpython train.pyПрограмма python читает файл и выполняет строку за строкой. Сборки нет: поправили — запустили снова.
    3. Стандартная библиотекаimport pathlibМодули, которые ставятся вместе с Python: файлы и пути, сеть, архивы, JSON, случайность для паролей.
    4. Пакетыpip install torchВсё остальное — из каталога PyPI: NumPy, pandas, PyTorch, Django. Ставим в виртуальное окружение проекта.
    5. Код на C, C++, CUDAa @ bВнутри тяжёлых пакетов — скомпилированный код. Python вызывает его как свою функцию, а считает он на процессоре или видеокарте.

    результат: файлы, ответ, обученная модель

    В цикле обучения почти всё время работает код на CUDA, а Python между вызовами отдаёт следующую команду — поэтому медленный интерпретатор обучение не тормозит.

    Где применяют

    Основной язык

    ИИ и модели

    PyTorch, TensorFlow, JAX — обучение; Hugging Face Transformers — готовые модели; vLLM — запуск моделей на сервере. SDK к API моделей — тоже на Python («Первый запрос к API»).

    Данные и наука

    NumPy — массивы, pandas — таблицы, Jupyter — блокнот, где код, графики и выводы лежат рядом.

    Бэкенды сайтов

    Django — сайт с админкой и базой из коробки, FastAPI — API с проверкой данных по типам.

    Серверы и автоматизация

    На Python написаны Ansible и cloud-init («cloud-init»); в Ubuntu он стоит из коробки, потому что на нём работают системные утилиты. Корни языка — здесь.

    С них начинаем

    Скрипты для себя

    Файлы, фото, пароли, проверки сайтов: задача на вечер и рабочий результат — шаги этого набора.

    Почему модель пишет скрипт, а не делает сама

    Агент, которому поручили переименовать 2000 фото по дате, не переименовывает их по одному — он пишет скрипт на 15 строк и запускает один раз. Так дешевле и точнее, и причин три.

    • Модель плохо считает в уме. Она видит токены, а не буквы и цифры: сколько букв «р» в слове, сумма столбца, длина строки — частые промахи («Где модели ошибаются»). Скрипт считает точно, поэтому «посчитай кодом» — рабочая просьба.
    • Промежуточные данные не идут через модель. Каждый вызов инструмента — это вопрос и ответ в контексте, то есть токены и время («Агенты и инструменты»). Скрипт обходит 2000 файлов внутри себя, а модели возвращает одну строку итога. В примере Anthropic (ноябрь 2025-го) задача «перенести расшифровку встречи из Google Drive в Salesforce» прямыми вызовами заняла 150 000 токенов, кодом — 2 000. Код в том примере, к слову, на TypeScript: принцип не привязан к языку. Но когда модель в чате считает таблицу или строит график, в песочнице у неё обычно Python.
    • Скрипт можно прочитать и повторить. 20 строк проверяем глазами до запуска, а с пробным прогоном — и результат («Разобрать «Загрузки»»). Две тысячи отдельных действий так не проверить.

    Отсюда практический вывод: даже если код за нас пишет модель, читать его нужно уметь. Для этого и набор.

    Чем ещё решают эти задачи

    Описаны по документации на октябрь 2026, кроме Python не запускались.

    Где сильнее всего Чем отличается от Python
    Python ИИ, данные, автоматизация, бэкенды читается почти как текст; скорость — из библиотек на C, C++ и CUDA
    JavaScript, TypeScript всё, что в браузере; бэкенды на Node.js единственный язык браузера; TypeScript добавляет типы — ошибку видно до запуска, в том числе в коде от ИИ
    PHP сайты, WordPress запускается на любом хостинге без настройки; вне веба почти не встречается
    Go сетевые сервисы, инфраструктура собирается в один файл без зависимостей, параллельная работа встроена в язык; библиотек для ИИ мало
    Java, C# большие корпоративные системы строгие типы и долгие сроки поддержки; кода на ту же задачу больше
    C++, Rust движки: браузеры, базы, ядро PyTorch быстрее всего, но кода и времени на ту же задачу — в разы больше; часто это слой под Python
    bash, PowerShell команды на сервере, настройки Windows склеивают готовые программы; списки, словари и ошибки неудобны уже на 30 строках
    Если… Берём
    модели, данные, автоматизация, скрипт для себя Python
    интерфейс в браузере или расширение TypeScript
    сайт на общем хостинге, WordPress PHP
    сетевой сервис или утилита, которую поставят без Python Go
    ядро, где важна каждая миллисекунда C++ или Rust, снаружи — часто Python
    три-пять команд подряд на сервере bash

    Что получаем и чем платим

    Получаем

    • Результат в первый вечер. Сборки нет, а файлы, сеть и пароли — в стандартной библиотеке.
    • Один язык от скрипта до модели. import, функции и словари из первых шагов набора — те же, что в коде обучения.
    • Один скрипт на всех системах. pathlib сам ставит \ или / в путях; тот же файл работает на Windows и на сервере.
    • Ошибка говорит, где сломалось. Вывод при падении называет файл, строку и причину: FileNotFoundError: [Errno 2] No such file or directory: 'notes.txt'.

    Платим

    • Свой цикл на Python медленный. На матрицах — в 200–500 раз медленнее NumPy. Считаем библиотекой, а не своими циклами; в скриптах на файлы и сеть разницы не видно — там ждём диск и сеть.
    • Один поток считает за раз. Глобальная блокировка (GIL) не даёт потокам выполнять код на Python параллельно; с 3.13 есть сборка без неё, библиотеки к ней подтягиваются. Код на C и CUDA внутри библиотек блокировку отпускает.
    • Ошибки типов — только при запуске. Python не проверяет заранее, что в функцию пришло число, а не строка; подсказки типов и проверка mypy — по желанию.
    • Python нужен там, где запускаем. Скрипт другу на Windows без Python не запустится; на Ubuntu он есть, на Windows — нет.
    • Пакеты конфликтуют. Два проекта хотят разные версии одного пакета — поэтому у каждого своё виртуальное окружение («QR-код Wi-Fi»).

    С чего начать

    Начинаем с задач на вечер: в коде моделей те же понятия, а результат виден сразу и без видеокарты. Задачи и главы собраны в разделе Python. Практика — рабочие скрипты: что понадобится, объяснено в самом мануале. Главы идут от первого запуска до модулей и классов, в главе — одно понятие. Первая задача — «Файлы на телефон»: ставим Python и одной командой открываем папку для телефона в той же Wi-Fi.

    Если не работает

    Пишем python, а открывается Microsoft Store

    Причина
    Python не установлен, и Windows подставляет заглушку — псевдоним, который ведёт в магазин.
    Делаем
    Ставим Python install manager и открываем новое окно терминала («Файлы на телефон»).

    Command 'python' not found, did you mean: command 'python3'

    Причина
    В Ubuntu команда называется python3, python без цифры по умолчанию нет.
    Делаем
    Пишем python3 или ставим python-is-python3.

    error: externally-managed-environment при pip install

    Причина
    Ubuntu 23.04 и новее не дают ставить пакеты в системный Python: он нужен самой системе (PEP 668).
    Делаем
    Создаём виртуальное окружение: python3 -m venv .venv, потом .venv/bin/pip install ….

    ModuleNotFoundError: No module named '…'

    Причина
    Пакет поставлен в другой Python: другую версию или мимо виртуального окружения.
    Делаем
    Ставим тем же интерпретатором, что запускаем: python -m pip install … вместо голого pip.