به زودی شاهد ورود نسل جدیدی از زبان‌های برنامه‌نویسی که به نام برنامه‌نویسی احتمالی یا احتمالاتی (probabilistic programming) نامیده می‌شوند، در مقیاس وسیع و عمومی خواهیم بود. یک زبان برنامه‌نویسی احتمالی PPL یک زبان ‌برنامه‌نویسی طراحی شده برای توصیف مدل‌های احتمالی و سپس انجام استنتاج روی داده‌های اختصاصی است. این زبان‌های برنامه‌نویسی به طور ویژه به مدل‌های گرافیکی و شبکه‌های بیزی وابسته هستند، اما در مقابل از انعطاف‌پذیری بیشتری برخورداراند.

اکنون که الگوریتم‌های یادگیری ماشینی به عنوان یکی از جریان‌های اصلی به دنیای محاسبات وارد شده‌اند؛ مؤسسه تحقیقات و فناوری ماساچوست در حال آماده‌سازی یک راه آسان‌تر برای به کارگیری این فناوری در برنامه‌نویسی روزمره است. به زودی، محققان MIT زبان برنامه‌نویسی جدیدی را ارائه خواهند کرد که Picture نامیده می‌شود. این زبان برنامه‌نویسی به طرز قابل توجهی از حجم کدنویسی که برای کمک به کامپیوترها برای تشخیص اشیاء در تصاویر و ویدئوها مورد استفاده قرار می‌گیرد، کم می‌کند. این یک نمونه اولیه از شکل‌گیری نسل جدیدی از زبان‌های برنامه‌نویسی است که برنامه‌نویسی احتمالاتی (probabilistic programming) نامیده می‌شود. این زبان‌برنامه‌نویسی به میزان قابل توجهی از مقدار کدهای موردنیاز برای انجام کارهای پیچیده کم می‌کند.

در آزمایشی که روی این زبان برنامه‌نویسی جدید به عمل آمد، محققان هزار خط کدی را که در یک برنامه برای تشخیص تصویر مورد استفاده قرار می‌گیرد، به کمتر از 50 خط کاهش دادند. آن‌ها در نظر دارند تا نتایج تحقیقات خود را در کنفرانس بینایی کامپیوتر و بازشناسی الگو که در ماه ژوئن برگزار می‌شود، ارائه کنند. جاش تننبام، پروفسور علوم شناختی محاسباتی و کسی که در حال کار روی این پروژه در MT است؛ می‌گوید: «با برنامه‌نویسی احتمالاتی (probabilistic programming) ما در حال ساخت مدل‌هایی هستیم که یک چهره به طور کلی چگونه به نظر می‌رسد، و از آن برای تولید بهترین استنتاج  درباره این‌که اولین چهره‌ای که مشاهده کردیم چه بوده است، استفاده کنیم. »

زبان برنامه‌نویسی Picture از استنتاج آماری برای کم کردن محاسابات عمومی و رایج که برای بینایی کامپیوتر موردنیاز است، استفاده می‌کنند. این تکنیک خیلی شبیه به معکوس کردن یک انیمشین کامپیوتری عمل می‌کند. برنامه‌های گرافیکی کامپیوتری از قبیل آن‌هایی که توسط پیکسار و دیگر شرکت‌های انیمیشن‌ساز مورد استفاده قرار می‌گیرد، بازنمایی دوبعدی از اشیای سه بعدی را ایجاد می‌کنند که با استفاده از مقدار کمی از دستورالعمل‌ها که توسط برنامه‌نویسان نوشته شده است، عمل می‌کنند. زبان Picture درست عکس این مدل کار می‌کند. Picture می‌تواند یک شی درون یک تصویر دوبعدی را با یک مجموعه از مدل‌ها مورد مقایسه قرار داده و تشخیص دهد اشیا چه می‌توانند باشند. ( به عبارت دقیق‌تر می‌توان گفت شبیه به فرآیندی که در مغز انسان انجام می‌شود عمل مقایسه را انجام می‌دهد.) این پروژه بر مبنای برنامه‌ای است که در سال 2013 در آژانس دفاع و تحقیقات پیشرفته به طراحی زبان‌های برنامه‌نویسی احتمالاتی که برای پیشبرد و تسهیل در به کارگیری یادگیری ماشین منجر شد، قرار دارد. اگرچه نزدیک به یک دهه است که تحقیقات دانشگاهی در این خصوص در حال انجام است، اما یادگیری ماشینی به سرعت در حال تبدیل شدن به یک روش علمی برای به کارگیری در تجارت است. به لطف کامپیوترهای قدرتمند و سرویس‌های یادگیری ابری ماشینی که توسط Amazon Web Services و Microsoft Azure ارائه می‌شود، این فرآیند به سرعت در حال پیشرفت است. تننبائوم می‌گوید: « اگرچه برنامه‌نویسی احتمالاتی برای کار کردن نیازی به یادگیری ماشینی ندارد اما می‌تواند راه را برای ساده کردن یادگیری ماشینی فراهم کند. در یادگیری خالص ماشینی؛ شما برای افزایش کارایی، اقدام به جمع‌آوری داده‌های بیشتر و بیشتر می‌کنید و به ماشین اجازه می‌دهید تا یاد بگیرد کار کند. در زبان‌های برنامه‌نویسی احتمالاتی اصول و زیربنای سیستم‌ها بر دانش بیشتر استوار است که این کار با استفاده از فرآیند مبتنی بر این‌که چگونه تصاویر شکل گرفته‌اند، انجام می‌شود.»

Picture یکی از زبان‌های برنامه‌نویسی احتمالاتی متفاوتی است که MIT در حال کار روی آن است. نمونه دیگری که کاربرد عمومی‌تر دارد؛ ونتور (Venture) نامیده می شود. این زبان برنامه‌نویسی احتمالی سطح بالا برای حل انواع دیگری از مشکلات مورد استفاده قرار می‌گیرد. در حال حاضر، جدیدترین نسخه ارائه شده از این زبان Venture Developer Alpha 0.3 است.

منبع:shabakeh-mag