“深度学习已死，可微分编程万岁”LeCun老师回应

Deep Learning est mort. Vive Differentiable Programming!

这句英法混合的话，翻译成汉语，就是“深度学习已死，可微分编程万岁”。说这话的，正是深度学习三巨头之一：Yann LeCun。

纳尼？

无论是上个月Ali Rahimi的“炼金术说”，还是前些天Gary Marcus对深度学习的质疑，LeCun老师都挺身而出强硬回怼，今天何出此言？

嗯……LeCun在Facebook上的文章里，宣称深度学习已死之前还有一句，说“深度学习作为一个流行词活得太久了，已经没什么用了。”

只是换个说法么？“可微分编程”又是什么？

LeCun承认，“可微分编程”只不过是对现代深度学习技术体系的重新命名，和当年给神经网络里有两个以上隐藏层的变体起名叫“深度学习”差不多。

他还说：

但是重点是，人们现在正通过组装参数化功能模块网络，并用某种基于梯度的优化方法训练它们，来构建一类新软件。

越来越多的人正在以一种依赖于数据的方式（用循环和条件）来程序化地定义网络，让它们随着输入数据的动态变化而变化。除了参数化、自动微分和可训练/可优化的特性之外，这非常像一个普通程序。

动态网络已经变得越来越流行（尤其是对于NLP来说），这要归功于PyTorch和Chainer等深度学习框架（注意：以前的深度学习框架Lush，可以处理一种名叫Graph Transformer Networks的特殊动态网络，用于文本识别）。

现在，人们正在积极研究命令式可微分编程语言的编译器，对开发基于学习的AI来说，这是一种非常激动人心的途径。

除了认为深度学习应该改名叫可微分编程之外，LeCun还说他决定将自己最近特别推崇的“预测性学习”，改名叫做“Imputative Learning”，我们暂时叫“归责学习”好了。

他最后还发了个小预告，说稍后会谈更多，不过量子位从早上等到中午，也还没等到……

只好一起持续关注他的Facebook啦~

https://www.facebook.com/yann.lecun

对于LeCun的新想法，国外论坛上不少人都嫌弃这个新名字太长太难叫，不过也有人说“编程”的确比“学习”贴切。

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------