Facebook人工智能科學家LeCun表示，深度學習可能需要一種比Python更靈活、更易於使用的新編程語言。自20世紀80年代以來，Lecun一直致力於神經網絡方面的研究，對推動深度學習的發展作出了重要貢獻。

目前，谷歌、Facebook和其它幾個公司分別設計了深度學習方面的編程語言，可以有效地進行深度學習。LeCun的疑問是，人們現在只想使用Python，這是一種有效的方法嗎？

根據GitHub最近的報告，Python目前是開發人員開發機器學習項目最流行的語言，包括Facebook的PyTorch和Google的TensorFlow基礎框架都是用Python完成的。

人工智能已有50多年的歷史，但其目前的增長、計算與硬件提供的計算能力密切相關。20世紀80年代，LeCun在貝爾實驗室開發出CNN，他表示更好的硬件導致更好的算法和更好的性能。在21世紀初，LeCun離開貝爾實驗室到紐約大學後，與Bengio、Hinton等傑出人物合作，繼續研究神經網絡並提高了深度學習的知名度。

近年來，隨着硬件的進步，如可編程陣列FPGA、張量處理單元TPU和圖形處理單元GPU在深度學習這一領域發揮了重要作用。據報道，Facebook也在研究半導體產品，可用的硬件對研究類型產生着很大的影響，因此未來十年左右AI方向將受到硬件的影響極大。LeCun強調，硬件製造商在未來幾年應該考慮到AI的趨勢，對未來不斷擴大的深度學習系統提供更好硬件框架和支持。

LeCun還談到如何專爲深度學習設計硬件，這些硬件可以處理一批訓練樣本，而不是批量處理多個訓練樣本，因爲這會浪費資源。他還建議動態網絡和硬件可調整以利用任務所需的神經元。並且他重申了其觀點，自我監督學習將在推進最先進的人工智能方面將發揮重要的作用。

LeCun認爲，未來的深度學習系統將主要通過自我監督學習進行訓練，並且需要高性能的硬件來支持這種自我監督學習。對於2019年的人工智能發展，自我監督學習的硬件能夠在自動駕駛、機器人和其它應用中發揮關鍵作用。

Facebook這位AI界的LeCun專家談論了未來深度學習硬件和軟件方面的發展，這兩方面是密不可分的，深度學習需要硬件的支撐才能發揮他真真的實用價值。我們期待這這一天早日到來，軟硬件的最終完善將造福人類生活的方方面面。