【為什麼我們要挑選這篇文章】Python 排名機器學習年度最熱門的程式語言第一名，但領域巨擘 Yann LeCun 卻不看好。他認為有其他程式語言更符合當代的使用條件，更快、更準、更方便。Python 已是過去式，新的程式語言的需求越來越大。
本文作者帶你探討為何 Yann LeCun 出此言，也將提出兩大後起之秀恐將取代 Python 的霸主地位。（責任編輯：陳伯安）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處
作者：量子位／ 伊瓢、安妮
Python 要過時了。
說這話的正是深度學習「三巨頭」之一的 Yann LeCun。
昨天（18），這位 Facebook 人工智慧實驗室主任、紐約大學教授深刻探討了深度學習的未來。
作為一位親身見證深度學習發展的大師， LeCun 認為，深度學習可能需要一種新的程式語言了 。
何出此言？
新語言迫在眉睫
在科技媒體 VentureBeat 的採訪中，LeCun 坦言，當下深度學習研究所需要的語言，是一種比 Python 更靈活、更易於使用的新型程式語言。
LeCun 透露，目前，谷歌、Facebook 和其他一些公司已經開展了新程式語言的設計工作 。雖然各家的研究成果還未成熟，但有一點可以確定，新語言主要為提高深度學習任務的效率而生。
言下之意，目前深度學習語言界的老大哥 Python，可能不久就要被長江後浪推走了。即使在此之前，Python 的地位看起來那麼炙手可熱。
GitHub 最近公佈的 2018 機器學習排行榜 顯示，Python 毫無疑問當選了機器學習項目開發人員最偏愛的語言。
縱觀當下最熱門機器學習框架，例如谷歌 TensorFlow 、Facebook 的 PyTorch ，也和 Python 關係密切。
不過，這並不意味著沒有別的語言想爭寵上位。
程式語言後起之秀：發布不到一年就榜上有名
比如 MIT 發佈的 Julia，就是專門為機器學習設計。
它快速、通用、動態、專業，集 C 的速度、Matlab 的數學表徵、Python 的通用編程與 Shell 的膠水命令行與一身，還支持 Google 的 TPU。
Julia 1.0 雖然 8 月份才剛剛發佈，年底就已經爬到了機器學習語言榜第六位，簡直是青雲直上。
也有在 Python 基礎上的優化，比如專門針對速度 Cython 工具包，直接在 Python 裡 編寫 C 語言，結合了 P ython 和 C 的優點，大大提升處理速度。
還有已經藉著其他領域崛起的語言，想分一杯機器學習羮。對，說的就是谷歌推出的 Swift for TensorFlow。
程式語言 Swift：重擊 Python 用戶的痛點
它剛一開源，就有不少飽受 Python 性能和靈活性困擾的開發者，高呼「可以拋棄 Python 了」。
TensorFlow 官方就發文吐槽過 Python 不少毛病。比如，性能實在太差，運行時依賴包太多，又不擅長處理併發 ……
而 Swift，就是他們給出的解決之道。
雖說 Python 問題眾多，想上位的新語言前赴後繼，但 LeCun 還是在為這些新語言擔憂。
畢竟現在全民 Python，深度學習界能不能接受一種新語言還是一個未知謎題。如果新語言沒有人用，那不是研究所必須的。
作為一名 AI 工程師 ，請做好生命不息，語言學習不止的準備。
深度學習平民化的 4 大預言
在接受 VentureBeat 採訪的同一天，LeCun 還出席了在舊金山舉辦的國際固態電路會議（International Solid State Circuits Conference），在會上同樣展望了深度學習的未來。
Fortune 和 Business Insider 等媒體總結了 LeCun 的新觀點。
- AI 將落實於手機上
LeCun 認為，未來三年內，絕大多數智慧型手機都會安裝 AI 相關的專用處理器，在手機上進行實時翻譯等功能會更加普及。
隨著蘋果、華為、Google 把自己的手機 AI 化，多種多樣的新 AI 應用將會出現在手機上。
而在這一進程結束之後，我們才能在手機之外的其他地方更頻繁的看到 AI 的應用。
2. 網路審查工作為因 AI 而更精準
對於 Facebook 公司，語言內容審查是一項重要工作。
LeCun 表示，在一部分情況下，AI 可以過濾那些不友善的發言，但仍然有很多情況，比如仇恨性言論，受限於預料，無法進行 AI 自動過濾。
如果有更好的晶片面世，內容審核技術可以大大得到改善。
3. AI 想走進人類生活，得先解決「晶片」、「電池」的限制
LeCun 最近在關注的一件事情是將計算機晶片用於各種日常設備，就像有些智慧型手機內置人臉識別功能一樣，可以直接在手機本地計算，而不用將用戶的人臉數據上傳到雲端。
LeCun 舉的一個例子是附帶神經網路的新型割草機，可以自動識別花園裡的雜草和花花，自動除掉雜草，留下花花。
不過，如果想要將類似的功能擴展到生活的方方面面， 需要更複雜的移動計算晶片 ，另一方面 電池的容量也是一個限制 ，神經網路需要消耗大量電能，因此在一些小型設備上還難以實現。
換句話說，如果電池和晶片得到升級，我們可以實現「讓世界充滿 AI」。
4. AI 未來將具有「常識」
識別一種動物，人類兒童看一下就能認出來了，而電腦卻需要成百上千張照片來識別訓練。
LeCun 覺得，我們遲早都會開發出新型的神經網路，通過自己篩選數據進行訓練獲得常識，像百科全書一樣獲取基本事實，AI 從業者可以通過進一步訓練這些神經網路來執行更高的任務。
但是，訓練「有常識的」AI，需要等待更強大的晶片出現。
AI 晶片製作正夯！
前面 LeCun 說了這麼多晶片，後面晶片就來了。
LeCun 在接受英國《金融時報》採訪時就透露，Facebook 目前也在研發 AI 晶片，不僅在和英特爾等晶片公司合作，也在自己研發 ASIC 晶片，用於支持相關的 AI 應用。
（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈AI 大牛 LeCun：Python 该过时了！深度学习需要新编程语言 〉，首圖來源：Pxhere, CC Licensed。）
你可能感興趣
GitHub 神人整理出一份 Python 開源清單：15 個領域、181 個開源項目任你用
【年末轉行指南】無經驗也能做數據科學家？其實學會 Python 後什麼都好談
為什麼 Python 這麼慢？比其他程式語言慢十倍的病根就在「全局解釋器鎖」
科技報橘 2019 全面徵才 ── 跟我們一起找到台灣在國際中的創新產業定位
我們正在找「社群編輯 3 名」、「資深採訪編輯 2 名」
來信請將履歷與文字作品寄至 jobs@fusionmedium.com，信件名稱：應徵 TechOrange 社群編輯：（您的大名）