Python 要过时了.
说这话的正是深度学习 "三巨头" 之一的 Yann LeCun.
昨天, 这位 Faeebook 人工智能实验室主任, 纽约大学教授深刻探讨了深度学习的未来.
作为一位亲身见证深度学习发展的大牛, LeCun 认为, 深度学习可能需要一种新的编程语言了.
LeCun 何出此言?
新语言迫在眉睫
在科技媒体 VentureBeat 的采访中, LeCun 坦言, 当下深度学习研究所需要的语言, 是一种比 Python 更灵活, 更易于使用的新型编程语言.
LeCun 透露, 目前, 谷歌, Facebook 和其他一些公司已经开展了新编译语言的设计工作. 虽然各家的研究成果还未成熟, 但有一点可以确定, 新语言主要为提高深度学习任务的效率而生.
言下之意, 目前深度学习语言界的老大哥 Python, 可能不久就要被长江后浪推走了. 即使在此之前, Python 的地位看起来那么炙手可热.
GitHub 最近公布的 2018 机器学习排行榜显示, Python 毫无疑问当选了机器学习项目开发人员最偏爱的语言.
纵观当下最热门机器学习框架, 例如谷歌 TensorFlow,Facebook 的 PyTorch, 也和 Python 关系密切.
不过, 这并不意味着没有别的语言想争宠上位.
Python 地位岌岌可危
比如 MIT 发布的 Julia, 就是专门为机器学习设计.
它快速, 通用, 动态, 专业, 集 C 的速度, Matlab 的数学表征, Python 的通用编程与 Shell 的胶水命令行与一身, 还支持 Google 的 TPU.
Julia 1.0 虽然 8 月份才刚刚发布, 年底就已经爬到了机器学习语言榜第六位, 简直是青云直上.
也有在 Python 基础上的优化, 比如专门针对速度 Cython 工具包, 直接在 Python 里编译 C 语言, 结合了 Python 和 C 的优点, 大大提升处理速度.
还有已经借着其他领域崛起的语言, 想分一杯机器学习羮. 对, 说的就是谷歌推出的 Swift for TensorFlow.
它刚一开源, 就有不少饱受 Python 性能和灵活性困扰的开发者, 高呼 "可以抛弃 Python 了".
TensorFlow 官方就发文吐槽过 Python 不少毛病. 比如, 性能实在太差, 运行时依赖包太多, 又不擅长处理并发......
而 Swift, 就是他们给出的解决之道.
虽说 Python 问题众多, 想上位的新语言前赴后继, 但 LeCun 还是在为这些新语言担忧.
毕竟现在全民 Python, 深度学习界能不能接受一种新语言还是一个未知谜题. 如果新语言没有人用, 那不是研究所必须的.
作为一名 AI 程序员, 请做好生命不息, 语言学习不止的准备.
LeCun: 芯片! 芯片! 芯片!
在接受 VentureBeat 采访的同一天, LeCun 还出席了在旧金山举办的国际固态电路会议(International Solid State Circuits Conference), 在会上同样展望了深度学习的未来.
Fortune 和 Business Insider 等媒体总结了 LeCun 的新观点
短期内 AI 技术主要会落地在手机上
LeCun 认为, 未来三年内, 绝大多数智能手机都会安装 AI 相关的专用处理器, 在手机上进行实时翻译等功能会更加普及.
随着苹果, 华为, Google 把自己的手机 AI 化, 多种多样的新 AI 应用将会出现在手机上.
而在这一进程结束之后, 我们才能在手机之外的其他地方更频繁的看到 AI 的应用.
更好的 AI 能够屏蔽杠精
对于 Facebook 公司, 语言内容审查是一项重要工作.
LeCun 表示, 在一部分情况下, AI 可以过滤那些不友善的发言, 但仍然有很多情况, 比如仇恨性言论, 受限于预料, 无法进行 AI 自动过滤.
如果有更好的芯片面世, 内容审核技术可以大大得到改善.
电池和芯片限制 AI 在更广泛的世界应用
LeCun 最近在关注的一件事情是将计算机芯片用于各种日常设备, 就像有些智能手机内置人脸识别功能一样, 可以直接在手机本地计算, 而不用将用户的人脸数据上传到云端.
LeCun 举的一个例子是附带神经网络的新型割草机, 可以自动识别花园里的杂草和花花, 自动除掉杂草, 留下花花.
不过, 如果想要将类似的功能扩展到生活的方方面面, 需要更复杂的移动计算芯片, 另一方面电池的容量也是一个限制, 神经网络需要消耗大量电能, 因此在一些小型设备上还难以实现.
换句话说, 如果电池和芯片得到升级, 我们可以实现 "让世界充满 AI".
AI 会有常识的
识别一种动物, 人类儿童看一下就能认出来了, 而计算机却需要成百上千张照片来识别训练.
LeCun 觉得, 我们迟早都会开发出新型的神经网络, 通过自己筛选数据进行训练获得常识, 像百科全书一样获取基本事实, AI 从业者可以通过进一步训练这些神经网络来执行更高的任务.
但是, 训练 "有常识的"AI, 需要等待更强大的芯片出现.
One More Chip
前面 LeCun 说了这么多芯片, 后面芯片就来了.
LeCun 在接受英国《金融时报》采访时就透露, Facebook 目前也在研发 AI 芯片, 不仅在和英特尔等芯片公司合作, 也在自己研发 ASIC 芯片, 用于支持相关的 AI 应用.
来源: http://news.51cto.com/art/201902/592194.htm