Python 早就落伍了！AI 权威 LeCun 直言：深度

本文经 AI 新媒体量子位（公众号 ID：QbitAI）授权转载，转载请联繫出处

作者：量子位／ 伊瓢、安妮

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（18），这位 Facebook  人工智慧实验室主任、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师， LeCun  认为，深度学习可能需要一种新的程式语言了 。

何出此言？

新语言迫在眉睫

在科技媒体 VentureBeat  的採访中，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、更易于使用的新型程式语言。

LeCun  透露，目前，谷歌、Facebook  和其他一些公司已经开展了新程式语言的设计工作 。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  的地位看起来那幺炙手可热。

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 关係密切。

不过，这并不意味着没有别的语言想争宠上位。

程式语言后起之秀：发布不到一年就榜上有名

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  的数学表徵、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 编写 C  语言，结合了 P ython  和 C  的优点，大大提升处理速度。

还有已经藉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。

程式语言 Swift：重击 Python 用户的痛点

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，又不擅长处理併发 ……

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 工程师 ，请做好生命不息，语言学习不止的準备。

深度学习平民化的 4 大预言

在接受 VentureBeat  採访的同一天，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。

1. AI 将落实于手机上

LeCun  认为，未来三年内，绝大多数智慧型手机都会安装 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。

2. 网路审查工作为因 AI 而更精準

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。

如果有更好的晶片面世，内容审核技术可以大大得到改善。

3. AI 想走进人类生活，得先解决「晶片」、「电池」的限制

LeCun  最近在关注的一件事情是将计算机晶片用于各种日常设备，就像有些智慧型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路的新型割草机，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， 需要更複杂的移动计算晶片 ，另一方面 电池的容量也是一个限制 ，神经网路需要消耗大量电能，因此在一些小型设备上还难以实现。

换句话说，如果电池和晶片得到升级，我们可以实现「让世界充满 AI」。

4. AI 未来将具有「常识」

识别一种动物，人类儿童看一下就能认出来了，而电脑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路，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路来执行更高的任务。

但是，训练「有常识的」AI，需要等待更强大的晶片出现。

AI 晶片製作正夯！

前面 LeCun  说了这幺多晶片，后面晶片就来了。

LeCun  在接受英国《金融时报》採访时就透露，Facebook  目前也在研发 AI  晶片，不仅在和英特尔等晶片公司合作，也在自己研发 ASIC  晶片，用于支持相关的 AI  应用。

你可能感兴趣

GitHub 神人整理出一份 Python 开源清单：15 个领域、181 个开源项目任你用

无经验也能做数据科学家？其实学会 Python 后什幺都好谈

为什幺 Python 这幺慢？比其他程式语言慢十倍的病根就在「全局解释器锁」