Lisp vaut-il encore la peine d'être appris aujourd'hui dans le contexte particulier de l'apprentissage automatique? [fermé]

Lisp a été créé à l'origine comme une notation mathématique pratique pour les programmes informatiques, influencée par la notation du calcul lambda d'Alonzo Church. Il est rapidement devenu le langage de programmation privilégié pour la recherche en intelligence artificielle (IA), selon Wikipedia.

Si Lisp est toujours utilisé dans l'IA, est-il alors digne de l'apprendre, en particulier dans le contexte du machine learning et du deep learning?

LISP était populaire parce qu'à l'époque de l'IA à cause de la syntaxe fonctionnelle, qui fonctionnait bien avec le paradigme GOFAI de l'époque.

De nos jours, la plupart des chercheurs ont abandonné la théorie computationnelle classique de l'esprit (lire: langage de la pensée ), et donc aussi le paradigme GOFAI auquel elle est associée.

LISP n'est pas ce que vous voulez apprendre si vous voulez faire des trucs de réseau neuronal, mais le contexte philosophique est toujours important à savoir.

L'IA est un domaine de recherche, de technologie et de science très divers, de sorte que de nombreuses technologies informatiques et langages de programmation sont utilisés dans divers projets liés à l'IA.

La plupart des récents développements et percées se produisent dans le domaine de l'apprentissage automatique, des domaines d'apprentissage profond où le langage de programmation le plus utilisé est Python. La raison en est que les principaux frameworks d'apprentissage en profondeur (voir Tensorflow, Theano, Keras, neon, Caffe) ont des interfaces Python. LISP n'est pas vraiment utilisé dans ces domaines, mais vous pouvez trouver des frameworks d'apprentissage en profondeur (par exemple Cortex by Thinktopic) implémentés dans Clojure.

LISP était la langue de choix pour d'autres types de projets d'IA, principalement pour le traitement du langage naturel (voir SHRDLU, Cyc).