本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

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，這位Faeebook人工智能實驗室主任、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(fā)展的大牛，LeCun認為，深度學習可能需要一種新的編程語言了。

LeCun何出此言？

新語言迫在眉睫

在科技媒體VentureBeat的采訪中，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、更易于使用的新型編程語言。

LeCun透露，目前，谷歌、Facebook和其他一些公司已經(jīng)開展了新編譯語言的設計工作。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后浪推走了。即使在此之前，Python的地位看起來那么炙手可熱。

GitHub最近公布的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(fā)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關系密切。

不過，這并不意味著沒有別的語言想爭寵上位。

Python地位岌岌可危

比如MIT發(fā)布的Julia，就是專門為機器學習設計。

它快速、通用、動態(tài)、專業(yè)，集C的速度、Matlab的數(shù)學表征、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(fā)布，年底就已經(jīng)爬到了機器學習語言榜第六位，簡直是青云直上。

也有在Python基礎上的優(yōu)化，比如專門針對速度Cython工具包，直接在Python里編譯C語言，結合了Python和C的優(yōu)點，大大提升處理速度。

還有已經(jīng)借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。

它剛一開源，就有不少飽受Python性能和靈活性困擾的開發(fā)者，高呼“可以拋棄Python了”。

TensorFlow官方就發(fā)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，又不擅長處理并發(fā)……

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后繼，但LeCun還是在為這些新語言擔憂。

畢竟現(xiàn)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程序員，請做好生命不息，語言學習不止的準備。

LeCun：芯片！芯片！芯片！

在接受VentureBeat采訪的同一天，LeCun還出席了在舊金山舉辦的國際固態(tài)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

短期內(nèi)AI技術主要會落地在手機上

LeCun認為，未來三年內(nèi)，絕大多數(shù)智能手機都會安裝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(xiàn)在手機上。

而在這一進程結束之后，我們才能在手機之外的其他地方更頻繁的看到AI的應用。

更好的AI能夠屏蔽杠精

對于Facebook公司，語言內(nèi)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(fā)言，但仍然有很多情況，比如仇恨性言論，受限于預料，無法進行AI自動過濾。

如果有更好的芯片面世，內(nèi)容審核技術可以大大得到改善。

電池和芯片限制AI在更廣泛的世界應用

LeCun最近在關注的一件事情是將計算機芯片用于各種日常設備，就像有些智能手機內(nèi)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(shù)據(jù)上傳到云端。

LeCun舉的一個例子是附帶神經(jīng)網(wǎng)絡的新型割草機，可以自動識別花園里的雜草和花花，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，需要更復雜的移動計算芯片，另一方面電池的容量也是一個限制，神經(jīng)網(wǎng)絡需要消耗大量電能，因此在一些小型設備上還難以實現(xiàn)。

換句話說，如果電池和芯片得到升級，我們可以實現(xiàn)“讓世界充滿AI”。

AI會有常識的

識別一種動物，人類兒童看一下就能認出來了，而計算機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(fā)出新型的神經(jīng)網(wǎng)絡，通過自己篩選數(shù)據(jù)進行訓練獲得常識，像百科全書一樣獲取基本事實，AI從業(yè)者可以通過進一步訓練這些神經(jīng)網(wǎng)絡來執(zhí)行更高的任務。

但是，訓練“有常識的”AI，需要等待更強大的芯片出現(xiàn)。

One More Chip

前面LeCun說了這么多芯片，后面芯片就來了。

LeCun在接受英國《金融時報》采訪時就透露，F(xiàn)acebook目前也在研發(fā)AI芯片，不僅在和英特爾等芯片公司合作，也在自己研發(fā)ASIC芯片，用于支持相關的AI應用。