Présentée le 2 mai, la société d'infrastructure d'IA Modular a lancé Mojo, un langage de programmation qui vise à combiner Python avec la performance du C.
En quoi consiste Mojo ?
Mojo est un langage de programmation innovant qui cherche à accélérer le développement des prochains modèles de machine learning. Mais, comme les processeurs sont également équipés d’accélérateurs d’IA, Modular a décidé que Mojo devait prendre en charge la programmation générale et par conséquent, le langage Python.
Mojo est conçu comme un surensemble de Python et est compatible avec les programmes Python existants. Les fonctionnalités de base de Python sont prises en charge, telles que async/await, la gestion des erreurs et la variadique, mais d’autres aspects de Python, tels que les classes, manquent encore à l’appel.
Quels sont les objectifs de Mojo ?
Les objectifs du langage en tant que membre de la famille Python sont les suivants :
- Compatibilité totale avec l’écosystème Python.
- Des performances et un contrôle prévisible.
- La possibilité de déployer des sous-ensembles de code sur des accélérateurs IA.
- Éviter la fragmentation de l’écosystème.
La feuille de route de Mojo comprend des fonctionnalités telles que la prise en charge des tuple (n-uplets), qui est actuellement partiellement mise en œuvre. Ainsi que des arguments par mot clé dans les fonctions, une meilleure prise en charge de la gestion des paquets et des fonctionnalités de la bibliothèque standard telles que les tableaux canoniques et les types de dictionnaire. La prise en charge complète des fonctions dynamiques dans les classes Python est également envisagée, de même que l’interopérabilité C/C++.
La bibliothèque standard, le compilateur et le moteur d’exécution Mojo ne sont pas encore disponibles pour le développement local. Modular a créé un environnement de développement hébergé pour tester Mojo, le Mojo Playground. Les développeurs doivent s’inscrire pour y accéder. En plus de ce nouveau langage de programmation pour le développement des IA, une autre solution d’accélération se met en place, la création de base de données vectorielles. Si cet article vous a plu et si vous envisagez une carrière dans la Data Science, n’hésitez pas à découvrir nos articles ou nos offres de formations sur DataScientest.
Source : docs.modular.com
