|
早期的AI主要用在運行原始Lisp運算的專用硬件上，由Lisp（LISt處理器）編程語言提供支持。Lisp是最早的語言之一，在處理項目列表方面非常高效。隨后通用機器變得流行，編程模型也跟著流行起來。但是，隨著機器學習（特別是深度學習）的重新興起， 新的方法和工具包又優(yōu)化了這些數(shù)據(jù)流。本文將探討機器學習與軟件平臺的融合。 早期的AI歷程 人工智能與Lisp不可避免地交織在一起，因為它們是由同一個人提出來的，他就是約翰·麥卡錫 (1927-2011)。人工智能的最早形式比今天占主導地位的數(shù)字方法更看重搜索和符號處理。Lisp能簡單自然地表示復雜數(shù)據(jù)，并且其對遞歸的使用（用于迭代和搜索）使其非常適合解決當時的很多問題。通過其交互式解釋器（即REPL或讀入-求值-打印-循環(huán)），Lisp使探索性編程變得更加容易，這非常適合用于解決尚未完全理解的問題。 但是Lisp的優(yōu)勢也是它最大的缺點，它的函數(shù)編程風格很難，同時為新的編程語言范式打開了大門。而且，盡管如今仍在使用函數(shù)編程，但更常見的是命令式、面向對象和多范例語言。 現(xiàn)代AI語言 雖然可以使用任意編程語言來開發(fā)AI應用程序，但其中也有優(yōu)劣之分。無論是語言本身還是語言支持，某些語言都大大簡化了AI開發(fā)。 邏輯編程 1972年引入的Prolog語言以一階邏輯為基礎，其程序由事實和規(guī)則定義。程序可接受查詢，以便將規(guī)則應用于事實并產(chǎn)生結果。目前，Prolog仍然廣泛使用于專家系統(tǒng)、自動規(guī)劃系統(tǒng)等應用中。Prolog最初設計用于自然語言處理，目前仍在這方面有所應用。 通用語言 在引入Prolog二十年后，出現(xiàn)了一種名叫Python的通用語言，其設計的核心是代碼可讀性。盡管早期引起人們興趣的是Python作為用于編程教學的教育語言，但現(xiàn)在它已成為各個領域廣泛使用的語言，其中就包括人工智能和機器學習。Python的主要優(yōu)點之一是其龐大的庫集和工具包，有了這些庫集和工具包，構建應用程序更加簡便。例如，在構建深度學習應用程序時，Python可與TensorFlow開源工具包配套使用。在希望部署深度學習，而又不想開發(fā)所需的詳細深度神經(jīng)網(wǎng)絡結構時，這就非常有優(yōu)勢。 統(tǒng)計計算 R語言使用了類似的模型，它既是一種語言，又是一種使用圖形表示進行統(tǒng)計計算的環(huán)境。R是一種高度可擴展語言，可通過軟件包集成進行擴展。軟件包可匯集某個具體應用程序的功能和數(shù)據(jù)，然后將這些功能和數(shù)據(jù)用于統(tǒng)計函數(shù)等R程序或整個深度學習工具包。截至2020年，已有超過1.5萬個數(shù)據(jù)包可供R語言使用。 新函數(shù)方法 盡管Lisp在當今機器學習中主要充當注腳，但它的函數(shù)根已經(jīng)催生了遵循該范例的新語言。Haskell語言是一種純函數(shù)語言，具有強大的類型系統(tǒng)，這種系統(tǒng)可產(chǎn)生更安全的代碼；在考慮機器學習和物聯(lián)網(wǎng)設備爆炸式增長時，這是一個非常有用的特性。Haskell盡管缺少適用于Python和R的廣泛庫集，但它包含用于機器學習工具包的綁定，因此能夠輕松構建機器學習應用程序。 工具包 在開發(fā)機器學習應用程序的過程中，隨著語言的發(fā)展，工具包和庫也在發(fā)展。這些工具包（例如TensorFlow）為語言提供了構建復雜機器學習應用程序的能力，而無需從頭構建這些功能。TensorFlow提供了與Python、Haskell和R等多種語言的接口，便于構建和部署深度學習應用程序。 總結 AI概念及其數(shù)字后代機器學習的形成，推動了語言與工具包的共同發(fā)展。語言提供用于構建各種應用程序的通用功能，而工具包則通過特定的機器學習能力來擴展這些語言。 文章來源：貿(mào)澤電子 作者簡介：M. Tim Jones是一位經(jīng)驗豐富的嵌入式固件架構師，擁有超過30年的架構師和開發(fā)經(jīng)驗，撰寫過有關軟件和固件開發(fā)的多本數(shù)據(jù)和多篇文章，其工程背景涵蓋從地球同步航天器的內核開發(fā)到嵌入式系統(tǒng)的架構和協(xié)議開發(fā)等諸多領域。 |
