Deep learning zou in de toekomst wel eens kunnen vragen om een meer flexibele en eenvoudige programmeertaal dan het huidige Python. Dat beweert Yann LeCun, AI research director bij Facebook. Ook de hardware moet mee evolueren.
“Er zijn verschillende projecten bij Google, Facebook en andere plaatsen om een dergelijke gecompileerde taal te ontwerpen die efficiënt kan zijn voor deep learning”, zegt LeCun in een interview met Venturebeat. “Maar het is helemaal niet duidelijk of de community zal volgen, omdat mensen gewoon Python willen gebruiken. De vraag is nu, is dat een geldige aanpak?”
Python is momenteel de populairste programmeertaal voor machine learning en data science. De taal vormt onder meer ook de basis voor PyTorch van Facebook en TensorFlow van Google, twee belangrijke frameworks voor machine learning.
Aangepaste hardware
LeCun formuleert zijn gedachten over de trends in AI in een recente paper. Daarin beschrijft hij onder meer hoe (computer)wetenschappers gebonden zijn aan de hardware en software die ze ter beschikking hebben, en hoe die tools het AI-onderzoek sturen. “Het soort hardware dat beschikbaar is, heeft een grote invloed op het soort onderzoek dat mensen doen. De richting van artificiële intelligentie (AI) zal in het komende decennium dus sterk worden beïnvloed door de beschikbaarheid van hardware”, vertelt de AI-baas van Facebook.
Hij benadrukt een aantal AI-trends die hardwarefabrikanten de komende jaren zijn inziens in rekening moeten nemen, zoals de noodzaak van specifieke deeplearningsystemen. Hij pleit ook voor dynamische netwerken en hardware die zich kan aanpassen om alleen de neuronen te gebruiken die voor een bepaalde taak nodig zijn.
Self-supervised learning
Self-supervised learning of zelfgestuurd leren gaat volgens LeCun een belangrijke rol spelen in het bevorderen van AI van de bovenste plank. Hij is dan ook van mening dat toekomstige systemen voor deep learning grotendeels op deze manier zullen worden opgeleid. Hij herhaalt de noodzaak van nieuwe, hoogwaardige hardware om self-supervised learning te ondersteunen.
“Als self-supervised learning uiteindelijk toestaat dat machines door observatie enorme hoeveelheden achtergrondkennis leren over hoe de wereld werkt, kan men veronderstellen dat er een of andere vorm van machinaal gezond verstand zou kunnen ontstaan”, aldus LeCun. Hij ziet self-supervised learning niet alleen als een belangrijk gegeven voor Facebook, maar ook voor autonoom rijden, robotica en vele andere vormen van technologie.
Lees ook: Populaire programmeertaal Python meest gebruikt voor data science