在20世纪80年代和20世纪90年代，神经网络在人工智能领域有很多承诺。但几十年后，振兴类别的“深度学习神经网络”正在取得巨大进展。

这是谷歌高级研究员Jeff Dean的分析，今天在加利福尼亚州圣何塞的Nvidia Gputech会议上发言。Dean描述了神经网络如何利用更好的算法改进，以便了解图像和其他类型的模式识别问题。

“深度神经网络对于广泛的任务非常有效，”迪恩说。

神经网络在大脑中的神经元上进行建模。他们利用并行性，进行自动分析，通过加固学习来改善。他们被用来解决当天的一些最大的计算问题，就像这是一个猫或一只你正在互联网上的猫，Dean开玩笑。

由于谷歌做了很多YouTube视频识别，Dean Qupped，“我们当然有一个猫神经元。”猫探测器，笑话是一个巨大的数据中心。

在所有严肃性中，NVIDIA首席执行官Jen-Hsun Huang表示，在他的主题演讲中，进展是现象。他关心它，因为神经网络利用了计算机中的图形处理单元（GPU）。那是因为GPU同时做了很多事情，在过去十年中，NVIDIA已经使软件使程序员更容易利用这些并行处理单元。

“改善正在发生迅速，”迪恩说。

Dean说，在图像分类的一个分类领域，神经网络正在进行巨大进展。在年度想象中的竞争中，最好的神经网络能够在2011年以25.7％的错误率正确分类图像。2012年的16.4％，2013年的11.7％，2014年为6.7％。百度在2月份发布了一份含有6.0％的错误率为6.0％的错误率，谷歌本身在3月2日出版了一篇下跌4.8％的错误率的纸张。

“这表明我们正在制作的进展，”迪恩说。

神经网络对于许多与图像识别有任何关系的东西有用。

深神经网可以解决类比，就像“罗马就像柏林这样的意大利......”。

谷歌还使用该技术进行翻译单词。深度网络也可以进行加强学习，系统通过获取对任务执行的反馈来学习。谷歌的机器也学会了如何玩老Atari 2600游戏。起初，机器做了一个可怕的工作。但随着加强学习，他们最终成为乒乓球和突破的游戏大师。