¿Vale la pena aprender Lisp hoy en el contexto particular del aprendizaje automático? [cerrado]

Lisp se creó originalmente como una notación matemática práctica para programas de computadora, influenciada por la notación del cálculo lambda de Alonzo Church. Rápidamente se convirtió en el lenguaje de programación favorito para la investigación de inteligencia artificial (IA), según Wikipedia.

Si Lisp todavía se usa en IA, entonces ¿es digno de aprenderlo, particularmente en el contexto del aprendizaje automático y el aprendizaje profundo?

LISP era popular porque en los viejos tiempos de la IA debido a la sintaxis funcional, que funcionaba bien con el paradigma GOFAI de la época.

Hoy en día, la mayoría de los investigadores han renunciado a la teoría computacional clásica de la mente (léase: lenguaje del pensamiento ) y, por lo tanto, también al paradigma GOFAI con el que se asocia.

LISP no es lo que quieres aprender si quieres hacer cosas de redes neuronales, pero el trasfondo filosófico sigue siendo importante.

La IA es un campo muy diverso de investigación, tecnología y ciencia, por lo que se utilizan muchas tecnologías informáticas y lenguajes de programación en varios proyectos relacionados con la IA.

La mayoría de los desarrollos y avances recientes están ocurriendo en las áreas de aprendizaje automático y aprendizaje profundo donde el lenguaje de programación más utilizado es Python. La razón es que los principales marcos de aprendizaje profundo (ver Tensorflow, Theano, Keras, neon, Caffe) tienen interfaces Python. LISP no se usa realmente en estas áreas, sin embargo, puede encontrar algunos marcos de aprendizaje profundo (por ejemplo, Cortex by Thinktopic) implementados en Clojure.

LISP fue el idioma elegido para otro tipo de proyectos de IA, principalmente para el procesamiento del lenguaje natural (ver SHRDLU, Cyc).