深度学习太难，让这些公司有了可乘之机

最新的机器学习技术据称能改变整个行业，让计算机更容易从数据中识别出模式，做出精确预测并在一般意义上更加智能。但不幸的是，掌握这项神奇技术的只有少部分人。

现在人工智能的核心技术是深度学习，它依靠大规模的多层虚拟神经网络，让计算机可以识别抽象模式，如图片。训练神经网络需要许多并行计算，这往往在大规模的GPU组中完成。虽然深度学习的基本原理很简单，但在多组GPU上配置学习高效运行迅速的神经网络，还是一项技术活。用大量数据集训练深度学习网络往往会花费数天时间，而每次神经网络被调整后，训练过程都要重新来过。

鉴于这种情况，有创业公司发现了商机，他们会向金融保险，以及网页或汽车制造商提供人工智能技术，并从中获利。一些创业公司还可以加速机器学习算法的性能，令其适用于计算机芯片组，还有公司在设计自己的芯片，让算法发挥最大性能。

Minds.ai就属于这种公司之列，它拥有多位芯片专家，和一位师从深度学习领域创始人Geoffrey Hinton的大牛。Minds.ai的软件库支持深度学习网络，让图形芯片的信息交换更高效，这给了其它没有相应人才的公司使用新技术的机会。如果一家公司想训练无人驾驶汽车算法，让其识别特殊物体，它往往需要一组技术专家。而建一个网络需要时间，训练它又需要更多时间了。

Minds.ai的软件库训练神经网络的速度比一般系统要快，在使用用于图像识别的知名网络AlexNet的测试中，它比其它99%的配置方式都要快。

另一家想加速深度学习技术普及的公司是Nervana Systems，它有自己的软件库，还计划发布专为深度神经网络研制的芯片。公司CEO Naveen Rao曾为太阳微系统公司及高通设计芯片，其目标不仅是加速深度学习，还要根据其机器学习方法设计计算机系统。

Minds.ai和Nervana现在应该有不少客户，但深度学习市场扩展和变化的很快。一些研究机器学习的大公司都开源了自己的软件架构和软件库，想建立行业标准。另外，随着技术的成熟和代码更新，很多公司也会更容易自己建立优化的深度学习网络。

开源终将消除技术低效的状况，但现在深度学习还是一个碎片化的初生市场。GPU能满足目前的需求，但像Google和Facebook这样对深度学习有很大投入的公司，很可能会开发自己的深度学习计算机芯片，或者会收购一家开发相应技术的公司。到时候技术的竞争又会延伸到不同的领域。

via techreview