恢复对开源项目的无限制访问

训练OpenAI的最新自然语言模型GPT-3预计耗费3000万亿浮点运算，其中在商用GPU上的成本至少为500万美元。与其相比，人类大脑可以识别面部、回答问题，且只需一杯咖啡就能驾驶汽车。

我们如何做到?

我们已经取得了很大的进展。

第一批电脑的产生有着特殊的目的。1822年，英国数学家查尔斯·巴贝奇(Charles Babbage)为了计算多项式函数创造了“差分机”。1958年，康奈尔大学教授弗兰克·罗森布拉特(Frank Rosenblatt)创造了“Mark I”，这是单层感知器的物理形式，用于机器视觉任务。硬件和算法在早期是同一种东西。

硬件和算法的统一随着冯诺依曼体系架构的出现发生了变化，该架构具备由计算处理单元组成的芯片设计以及储存数据和程序指令的内存单元。这种模式上的转变使得建造可以针对任何任务进行编程的通用机器成为可能。冯诺依曼体系架构已经成为现代数字计算机的蓝图
 

Python也有缺点

它运行很慢，非常慢

显而易见，在未来很长一段时间里，速度都是开发人员的主要关注点之一。

Python之所以“慢”，实际上有两个原因——Python被解释为与编译相反，最终导致执行速度较慢;以及它是动态类型的(Python在执行过程中自动推断变量的数据类型)。

事实上，“Python很慢”这一说法对初学者影响很大。这是真的，但只是部分事实。以Python中可用的机器学习库TensorFlow为例，这些库其实是用C++编写的，并可以在Python中使用，某种程度上构成了围绕C++实现的Python“装饰器”。Numpy，甚至Caer，在一定程度上也是如此。

它有一个GIL(I)

Python速度缓慢的主要原因之一是存在GIL(全局解释器锁)，它一次只能执行一个线程。虽然这可以提高单线程的性能，但它限制了并行性，开发人员必须实现多处理程序而非多线程程序来提高速度。

不是内存密集型任务的最优解

当对象超出范围时，Python会自动进行垃圾回收。它旨在消除C和C++在内存管理方面的所涉及的许多复杂问题。由于指定数据类型的灵活性(或缺乏灵活性)，Python消耗的内存量可能会迅速爆炸增长。此外，运行时可能会弹出Python未关注的错误，最终减缓开发过程。

移动计算中的弱存在

随着台式机到智能手机的巨大转变，很明显，我们需要更强大的语言来构建手机软件。尽管Python在台式机和服务器平台上具有很强的代表性，但是由于缺乏强大的移动计算处理能力，Python往往会在移动开发上失败。

近年来，这一领域有了很大进步，但是这些新添加的库与Kotlin，Swift和Java等强大的竞争对手相比仍有差距。

其他语言的兴起

最近，Julia，Rust和Swift等较新的语言强势入局。它们借鉴了Python，C/C ++和Java的许多优秀设计概念——Rust基本保证了运行时的内存安全性和并行性，并提供与WebAssembly的一流互操作性;由于支持LLVM编译器工具链，Swift几乎与C一样快;而Julia为I/O密集型任务提供了异步I/O，并且速度非常快。

Python从来就是很好的编程语言，它从来没有超越C/C++和Java。它是一种通用的编程语言，强调人类可读的、以英语为中心的语法，允许程序和应用程序的快速开发。

归根结底，Python和其他语言一样，是一种工具。有时候，它是很好的工具。有时候不是。大多数情况下，只是 “还不错”。

Python作为一种编程语言会消亡吗?笔者不这么认为。

那么，它的魅力正在消失吗?也许有一点，但只是一点点

（编辑：济宁站长网）

【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!