现在深度学习影响到了人类生活的方方面面，同时它也影响到了我们的研究生涯。
实在我在良久以前就做过一些大略的机器学习研究，比如怎么样在电脑上找马、找人。
但现在我们有了神经网络，它的性能更高，前景更大。
现在有些机器的识别能力在自然措辞处理，语音识别、游戏等领域已经是不低于人了。

之前机器须要学习很多参数也才只能实现大略的图像识别功能，但是随着AI的发展，特殊是神经网络技能的发展，我们现在能够更有效地去演习一些繁芜的数据，机器的学习能力大大提高了。
有的人会担心AI的崛起，他们担心AI可能会取代人类。
但我认为AI只会取代一些无聊的事情，人们也将不须要摧残浪费蹂躏韶光去做一些重复性和费体力的事情了，而是做一些更加有效和更加充满艺术性的事情。
以是，我认为AI不会取代人类，它只会解放我们的双手，提高我们的事情效率。

硬件的发展和大数据的涌如今推动此轮的AI革命中扮演了非常主要的角色。
实在有很多算法、神经网络、以及深度神经网络，它们早在80年代就已经涌现了，但是直到进几年硬件的大大发展以及大数据的涌现才让人工智能溘然崛起。

我们以前一样平常要花上两周的韶光去演习数据，由于那是硬件的性能还比较低。
但一旦硬件的性能得到提高，就会推动全体AI的快速发展。
硬件的发展让我们的处理速率大大提高。
而在不同的硬件之间，我们须要做的便是加强它们不同的运用能力。

实在，无人驾驶汽车的发展在某种程度上也是由硬件性能的提高推动的。
现在天下上用于深度学习的最前辈的硬件设备便是我们的VoltaV100，它拥有120TFLOPS的打算能力，它能大大提高深度学习的发展。
它的速率比当年东京NEC公司推出的天下上最快的Earth Simulator打算机快了3倍以上。

对付物联网运用，我们也推出了相应的SOC芯片，它的特色之一便是利用了DOA体系构造，使它更适用于深度学习打算。
它具有很强的稀疏性，大大提高了深度神经网络的运算速率。
不仅如此，我们还提高了我们硬件产品的能效、缩小了硬件的体积。
而为了更进一步提高硬件的运算效率，我们还进行了算法优化，层次简化。
这些都会终极推动物联网的发展。

总之，我们这些年在GPU硬件方面取得了很多的进展，进一步促进了人工智能的革命。
现在GPU可以说是最适宜于深度学习打算的硬件了。

不过，虽然我们提升了硬件的运算效率，但实在我们也捐躯了一定的运算精度。
以是，我们在未来的研究重点是提高硬件的运算精度，会持续在精度的改进上做事情。
这在往后是很有必要的。
其余，我们还要进一步提高硬件的稀疏性。
这也是很有必要的。