‘深度學習’(deep learning)已經改變了計算機在現實世界中觀看、傾聽與認知事物的方式。然而，對于半導體產業(yè)來說，最重要或許也最實際的問題是：深度學習將會深入智能手機、可穿戴式設備或是自動駕駛汽車中使用的微型計算機視覺SoC嗎？誰將致力于開發(fā)針對神經網絡優(yōu)化的SoC架構？它將會是一款什么樣的SoC？

　　“毫無疑問地，深度學習確實是改變游戲規(guī)則的一大突破，”嵌入式視覺聯(lián)盟(EVA)創(chuàng)辦人Jeff Bier以計算機視覺為例表示，深度學習具有強大的影響力，“必須說的是，目前它還只是一種經驗領域。人們正在嘗試不同的東西。”

　　現在已經有充份的證據顯示芯片供貨商對深度學習(更具體地說是卷積神經網絡)的興趣不斷增加。卷積神經網絡(CNN)正廣泛地應用在影像與視頻辨識領域。

　　高通(Qualcomm)日前推出了首款可‘模擬人腦’的Zeroth認知運算平臺。根據高通表示，Zeroth將會被應用在未來的移動芯片中，包括即將推出的Snapdragon 820.

　　Cognivue是另一家專注于深度學習領域的公司。該公司開發(fā)出新的Opus嵌入式視覺SoC架構，據稱將可利用深度學習方面的進展，大幅提高認知偵測的準確度。Cognivue目前正與加拿大渥太華大學(University of Ottawa)合作開發(fā)這一架構。

　　從Nvidia今年的GPU技術大會(GTC)發(fā)布來看，就能了解Nvidia也正看好以GPU為主的深度學習領域。

　　中國搜尋巨擘百度(Baidu)也致力于開發(fā)深度神經網絡模型，用于辨識數據中心的基本對象分類。百度計劃將這些模型移植到嵌入式系統(tǒng)中。

　　百度深度學習研究院(Baidu Research)科學家吳韌表示，“隨著智能手機的處理性能大幅提高，從數據中心的深度學習擷取的超級智能模型可執(zhí)行在我們的手機上。”一支有效配置的手機可以直接在手機上執(zhí)行這些模型，而不需要通過云端傳送與接收數據。吳韌并補充說：“目前所面臨的最大挑戰(zhàn)在于是否能以低功耗模式執(zhí)行作業(yè)。”

　　網絡搜尋‘長得像狗的貓’所得到的結果

　　人工智能導入深度學習

　　有一點是明確的�；\罩在1980年代末期和1990年代早期對于人工智能(AI)的沮喪和失望已經煙消云散了。在這個新的‘巨量數據’時代，大量的數據和超強運算能力的結合，開始訓練神經網絡辨別對象。深度學習如今正被視為邁向AI道路的一種全新領域。

　　有些人宣稱，機器正取得像人類一樣準確辨識對象的能力。根據微軟(Microsoft)研究人員最近發(fā)布的一篇文章，該公司基于深度CNN的計算機視覺系統(tǒng)在ImageNet 1000挑戰(zhàn)賽中的對象分類表現，首度超越了人類的能力。就在微軟宣布其神經網絡系統(tǒng)以4.94%的誤差率超越人類基準的5.1%誤差率過后五天，Google也宣布該公司的系統(tǒng)表現更勝微軟0.04%。

　　然而，在電子產業(yè)中，不同的廠商解決深度學習的方法也各不相同。