展望2018 AI芯片领域：众多厂商追随深度学习

在这种环境下，Facebook和Google等网络巨头都发布大型数据集，以吸引更多的人从事诸如对新应用领域或者视频等数据类型进行识别的前沿问题。

先锋者们拓展了应用前沿

随着算法的发展，研究人员也在推动深度学习的应用前沿。
Google正在系统地将深度神经网络运用于从自动字幕照片混合到读取MRI扫描以及监测工厂车间质量控制等方方面面的问题。谷歌人工智能研发负责人Jia Li在IEEE研讨会上表示：“人工智能不是单一的技术或产品。我们从理解一个领域开始，然后收集数据，找到算法，并提出解决方案。每一个新问题我们都需要一个不同的模型。”

的确，深度神经网络正在被用于几乎所有领域，包括设计和制造芯片。英特尔列举了超过40种可能的用途，从面向消费者的网上购物助手，到华尔街自动交易程序。

现在在Target公司担任数据科学家的一位IBM前研究人员对应用领域给予了更加清醒的认识。大部分零售商的数据都是关系型数据，而不是最适合神经网络的非结构化数据。Shirish Tatikonda在一次大会后的简短采访中表示，Target公司的业务问题中只有大约10％适用于深度神经网络。尽管如此，该公司正在积极开拓这一领域，其系统中约有10％是面向训练神经网络模型的GPU服务器。

为了扩展这样大规模的努力，谷歌的研究人员正在探索他们所谓的AutoML，其想法是使用神经网络自动生成模型，而不需要数据科学家手动调整这些模型。

尽管最近很多公司试图减少内存占用量，但深度神经网络模型在尺寸上仍然差别很大。来源：高通

机器人技术先驱Rodney Brooks担心，预期可能会失控。他在最近的一次谈话中说：“深度学习是好的，但它正在成为人们用来打击一切的工具。”

对Patterson而言，他仍然很乐观。他说，虽然广泛的人工智能领域没有兑现过去的承诺，但在机器翻译等领域的成功是真实存在的。“可能所有低处的果实都摘下来了，所以没有什么更令人兴奋的事情，但是你几乎每个星期都会看到有进展......所以我认为我们会发现更多的用途。”