深度學習太難，讓這些公司有了可趁之機

最新的機器學習技術據稱能改變整個行業，讓計算機更容易從數據中識別出模式，做出精確預測并在一般意義上更加智能。但不幸的是，掌握這項神奇技術的只有少部分人。

現在人工智能的核心技術是深度學習，它依靠大規模的多層虛擬神經網絡，讓計算機可以識別抽象模式，如圖片。訓練神經網絡需要許多并行計算，這往往在大規模的GPU組中完成。雖然深度學習的基本原理很簡單，但在多組GPU上配置學習高效運行迅速的神經網絡，還是一項技術活。用大量數據集訓練深度學習網絡往往會花費數天時間，而每次神經網絡被調整后，訓練過程都要重新來過。

鑒于這種情況，有創業公司發現了商機，他們會向金融保險，以及網頁或汽車制造商提供人工智能技術，并從中獲利。一些創業公司還可以加速機器學習算法的性能，令其適用于計算機芯片組，還有公司在設計自己的芯片，讓算法發揮最大性能。

Minds.ai就屬于這種公司之列 ，它擁有多位芯片專家，和一位師從深度學習領域創始人Geoffrey Hinton的大牛。Minds.ai的軟件庫支持深度學習網絡，讓圖形芯片的信息交換更高效，這給了其它沒有相應人才的公司使用新技術的機會。如果一家公司想訓練無人駕駛汽車算法，讓其識別特殊物體，它往往需要一組技術專家。而建一個網絡需要時間，訓練它又需要更多時間了。

Minds.ai的軟件庫訓練神經網絡的速度比一般系統要快，在使用用于圖像識別的知名網絡AlexNet的測試中，它比其它99%的配置方式都要快。

另一家想加速深度學習技術普及的公司是 Nervana Systems ，它有自己的軟件庫，還計劃發布專為深度神經網絡研制的芯片。公司CEO Naveen Rao曾為太陽微系統公司及高通設計芯片，其目標不僅是加速深度學習，還要根據其機器學習方法設計計算機系統。

Minds.ai和Nervana現在應該有不少客戶，但深度學習市場擴展和變化的很快。一些研究機器學習的大公司都 開源了自己的軟件架構和軟件庫 ，想建立行業標準。另外，隨著技術的成熟和代碼更新，很多公司也會更容易自己建立優化的深度學習網絡。

開源終將消除技術低效的狀況，但現在深度學習還是一個碎片化的初生市場。GPU能滿足目前的需求，但像Google和非死book這樣對深度學習有很大投入的公司，很可能會開發自己的深度學習計算機芯片，或者會收購一家開發相應技術的公司。到時候技術的競爭又會延伸到不同的領域。

via techreview