Lohnt es sich heute noch, Lisp im besonderen Kontext des maschinellen Lernens zu lernen?

Lisp wurde ursprünglich als praktische mathematische Notation für Computerprogramme entwickelt, die von der Notation des Lambda-Kalküls der Alonzo Church beeinflusst wurde. Laut Wikipedia wurde es schnell zur bevorzugten Programmiersprache für die Forschung mit künstlicher Intelligenz (KI).

Wenn Lisp immer noch in der KI verwendet wird, lohnt es sich dann, es zu lernen, insbesondere im Zusammenhang mit maschinellem Lernen und tiefem Lernen?

LISP war beliebt, weil in den alten Tagen der KI wegen der funktionalen Syntax, die gut mit dem damaligen GOFAI-Paradigma zusammenarbeitete.

Heutzutage haben die meisten Forscher die klassische rechnerische Theorie des Geistes ( sprich : Sprache des Denkens ) und damit auch das damit verbundene GOFAI-Paradigma aufgegeben.

LISP ist nicht das, was Sie lernen möchten, wenn Sie neuronale Netze ausführen möchten, aber der philosophische Hintergrund ist immer noch wichtig zu wissen.

KI ist ein sehr vielfältiges Gebiet in Forschung, Technologie und Wissenschaft, daher werden viele Computertechnologien und Programmiersprachen in verschiedenen KI-Projekten verwendet.

Die meisten der jüngsten Entwicklungen und Durchbrüche finden in den Bereichen maschinelles Lernen und Deep Learning statt, in denen Python die am häufigsten verwendete Programmiersprache ist. Der Grund dafür ist, dass die wichtigsten Deep-Learning-Frameworks (siehe Tensorflow, Theano, Keras, Neon, Caffe) über Python-Schnittstellen verfügen. LISP wird in diesen Bereichen nicht wirklich verwendet. In Clojure sind jedoch einige Deep-Learning-Frameworks (z. B. Cortex von Thinktopic) implementiert.

LISP war die Sprache der Wahl für andere Arten von KI-Projekten, hauptsächlich für die Verarbeitung natürlicher Sprache (siehe SHRDLU, Cyc).