AI大牛LeCun：Python该过时了！深度学习需要新编程语言

原文链接：https://mbd.baidu.com/newspage/data/landingshare?pageType=1&context=%7B%22nid%22%3A%22news_9799506406088408376%22%7D

原文标题：AI大牛LeCun：Python该过时了！深度学习需要新编程语言

新标题：

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】

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。

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】