首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

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】

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190219A0M6AE00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券