从方程式和手写代码上解放工程师

理工学院的研究人员最近推出了一种新的概率编程语言 Gen，这种语言让研究人员在不需要处理方程式和手动编写高性能代码的情况下，编写应用人工智能技术的多个领域的模型和算法。软件科学家 Jesus Rodriguez 写了一篇文章，文章介绍了 Gen 以及其他一些类似的工具，雷锋网 AI 科技评论将他的文章编译整理如下。

概率编程语言（PPL）领域正经历着机器学习技术快速发展带来的奇迹般的复兴。在短短的几年里，PPL 已经从一个模糊的统计研究领域发展出十几个活跃的开源方案。最近，麻省理工学院（MIT）的研究人员推出了一种新的概率编程语言 Gen。这种新语言让研究人员在不需要处理方程式和手动编写高性能代码的情况下，编写应用人工智能技术的多个领域的模型和算法。

PPL 是机器学习 pipeline 的常规组件，但其实现仍然具有挑战性。虽然市场上的 PPL 显著增加，但大多数 PPL 仍局限于研究工作，不适用于实际的应用。在 2015 年谷歌开源 TensorFlow 之前，深度学习领域也经历了类似的挑战。使用 TensorFlow，开发人员能够使用一致的框架构建复杂但高效的深度学习模型。从某种意义来说，Gen 正在寻找概率规划的方法，正如 TensorFlow 为深度学习所做的那样。然而，为了做到这一点，Gen 需要在 PPL 的两个关键特征上进行精细平衡。

表达性与效率

现代 PPL 最大的挑战是在建模表达性和推理效率之间取得平衡。虽然许多 PPL 在语法上都很丰富，可以用来表示几乎任何模型，但它们往往支持有限的推理算法，这些算法的收敛速度非常慢。其他 PPL 有丰富的推理算法，但仍然局限于特定的领域，使其不适用于一般的应用。

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!