OCaml 程式語言正透過 Raven 這一綜合生態系統重新進軍機器學習領域，該生態系統旨在為這種函數語言程式設計語言帶來資料科學能力。然而，社群討論顯示，人們對 OCaml 能否克服其歷史挑戰，在資料科學領域與 Python 競爭表示明顯懷疑。
OCaml 的新機器學習生態系統
Raven 旨在為 OCaml 開發者提供與 Python 流行的資料科學工具棧相當的工具。這個預釋出階段的專案包括 Ndarray（類似於 NumPy）、Hugin（用於視覺化）、Quill（互動式筆記本）和 Rune（用於自動微分）。該生態系統設計利用 OCaml 在型別安全和效能方面的固有優勢，同時使機器學習工作流程對開發者更加直觀。
這並不是首次嘗試將科學計算引入 OCaml。社群成員提到了之前的努力，如最近復活的科學計算庫 Owl。一位評論者回憶說，他大約十年前使用過 Owl，發現它功能齊全但與 NumPy 相比使用體驗較差，儘管當時他對 OCaml 的經驗比 Python 更豐富。
Python 與 Raven 生態系統比較
| 任務 | Python 生態系統 | Raven 生態系統 |
|---|---|---|
| 數值計算 | NumPy | Ndarray |
| 視覺化 | Matplotlib, Seaborn | Hugin |
| 筆記本 | Jupyter | Quill |
| 自動微分 | JAX | Rune |
| 資料框操作 | Pandas | 尚未推出 |
| 深度學習 | PyTorch, TensorFlow | 尚未推出 |
OCaml 採用面臨的挑戰（來自社群討論）
- 多核支援實現較晚
- 被認為不如其他替代品易於上手
- 直到最近才有有限的 Windows 支援
- 高階概念（函式式方法、模組級程式設計）
- 與 Python 和其他語言相比社群規模較小
- 在英語社群中營銷推廣力度較小
OCaml 採用面臨的歷史挑戰
社群討論突出了幾個歷史上限制 OCaml 更廣泛採用的因素，特別是在機器學習領域。一個重要問題是該語言延遲實現多核支援，一位評論者認為，如果在2010年左右就提供了這一功能，當前的程式語言格局可能會大不相同。
「很遺憾，簡化的語法從未流行起來，而且 OCaml 在多核支援上拖延了十多年。如果 OCaml 在2010年左右就有了不錯的多核支援，當前的程式語言格局可能會非常不同。」
其他人對這一評估提出異議，指出 Python 在同一時期儘管有類似的多核限制，卻取得了巨大成功。對於 OCaml 採用受限的其他解釋包括其非美國起源、缺乏英語營銷以及對許多開發者來說過於超前的高階程式設計概念。
來自其他函式式語言的競爭
評論顯示，OCaml 不僅面臨來自 Python 的競爭，還面臨來自其他函數語言程式設計語言的挑戰。幾位評論者表示更喜歡 Haskell、Elixir 或 F# 等替代方案。特別是 F# 被提及可能在機器學習應用方面具有優勢，因為它可以訪問更廣泛的 .NET 生態系統，同時保持了 OCaml 的大部分功能。
討論中提到的一些 F# 專案包括 TorchSharp、DiffSharp 和 Furnace，這表明微軟的函式式語言在構建具有強型別系統的機器學習工具方面可能已經領先一步。
社群情緒和未來前景
儘管 Raven 已經宣佈，整體社群情緒似乎仍然謹慎。許多評論者欣賞 OCaml 的技術優勢，但對其在機器學習領域獲得顯著吸引力的能力表示懷疑。正如一位評論者所說，他們不期待任何東西能在機器學習/深度學習領域從 Python 手中奪取可觀的市場份額。
其他人將 OCaml 描述為一種粗糙的工作語言，它能產生穩定、可維護的程式碼庫，但不一定有趣或適合探索想法。這種看法可能是在以研究為重的機器學習等領域採用的重大障礙，因為這些領域通常重視快速實驗。
Raven 專案代表了使 OCaml 的資料科學能力現代化的嚴肅嘗試，但社群討論表明，它面臨著與已建立的生態系統和對該語言開發者體驗的持續看法的艱難戰鬥。OCaml 能否利用其在型別安全和效能方面的優勢在機器學習世界中開闢一席之地，仍有待觀察。
參考：Raven