深度學習領域最知名的學者之一Yann LeCun今日在自己facebook上發(fā)表的一篇短文，瞬間引爆了國內人工智能關注者們的朋友圈。這條動態(tài)講的是什么呢？為何會引起如此軒然大波？

　　我們常常提到的深度學習是全部深度學習算法的總稱，卷積神經網絡是深度學習算法在圖像處理領域的一個應用。而Yann LeCun就是卷積神經網路的發(fā)明者，也被稱之為“卷積神經網絡之父”。卷積神經網絡的出現(xiàn)對人工智能發(fā)展的重要性不必多說。而這次Yann LeCun的推文傳播如此之快，是不是有比“卷積神經網絡”更重大的學術成果出來了？為了使國內讀者了解到 LeCun推送的內容，雷鋒網(公眾號：雷鋒網)編輯對推文進行了編譯。

　　首先開頭是一句極具有標題黨風格的英法混合語：

　　Deep Learning est mort. Vive Differentiable Programming!

　　翻譯成中文就是：深度學習已死，可微分編程萬歲！

　　為何突出此言？深度學習算法是人工智能多個領域的底層框架，怎么就死了呢？接著往下看發(fā)現(xiàn)LeCun說的是“深度學習”這個詞已死，該有新的名詞來替代它了。

　　LeCun提到的新詞是可微分編程。

　　他在推文中解釋道“可微分編程”不過是把現(xiàn)代深度學習技術重新?lián)Q了個叫法，這就跟當年神經網絡還只有兩個以上隱藏層時就被稱之為“深度學習”差不多。對于現(xiàn)代深度學習技術，“深度學習”這個詞已經不夠用了。

　　他又寫道：

　　但重點的是，人們現(xiàn)在正通過組裝參數(shù)化功能模塊網絡，構建一種新軟件，并用某種基于梯度優(yōu)化的方法來訓練它們。

　　越來越多的人正在以一種依賴于數(shù)據(jù)的方式（循環(huán)和條件）來程序化定義網絡，讓它們隨著輸入數(shù)據(jù)的動態(tài)變化而變化。這與普通的程序非常類似，除了前者是參數(shù)化的、可以自動可微分，并且可訓練和優(yōu)化。動態(tài)網絡變得越來越流行（尤其是對于NLP），這要歸功于PyTorch和Chainer等深度學習框架（注意：早在1994年，之前的深度學習框架Lush，就能處理一種稱為Graph Transformer Networks的特殊動態(tài)網絡，用于文本識別）。

　　現(xiàn)在人們正在積極研究開發(fā)命令式可微分編程語言編譯器，這對開發(fā)基于學習的AI（learning-based AI）來說是一條非常令人興奮的途徑。

　　最后，LeCun還特別強調將“深度學習”改名為”可微分編程”還不夠，其他的一些概念也需要改，比如“預測性學習”應該改為 “Imputative Learning”。他說稍后會談更多......(讀者們可以幫想想還有什么需要改名的，這句是雷鋒網加的）。讓我們一起來關注LeCun的最新動態(tài)吧！

　　LeCun的Facebook截圖：