深度學習領域最知名的學者之一 Yann LeCun 今日在自己 facebook 上發表的一篇短文，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***，也被稱之為“卷積神經網絡之父”。卷積神經網絡的出現對人工智能發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，雷鋒網編輯對推文進行了編譯。

　　首先開頭是一句***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？接著往下看發現 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”不過是把現代深度學習技術重新換了個叫法，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，人們現在正通過組裝參數化功能模塊網絡，構建一種新軟件，并用某種基于梯度優化的方法來訓練它們。

越來越多的人正在以一種依賴于數據的方式（循環和條件）來程序化定義網絡，讓它們隨著輸入數據的動態變化而變化。這與普通的程序非常類似，除了前者是參數化的、可以自動可微分，并且可訓練和優化。動態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 的特殊動態網絡，用于文本識別）。

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

　　***，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***動態吧！

　　LeCun 的 Facebook 截圖：