像谷歌和Facebook这样的硅谷巨头一直试图通过训练大脑启发的神经网络来更好地代表现实世界来利用人工智能。Digital Reasoning是一家位于田纳西州富兰克林的认知计算公司，最近宣布它已经培训了一个由1600亿个参数组成的神经网络-比以前的神经网络大10倍以上。
数字推理神经网络轻松超越了谷歌的112亿参数系统和劳伦斯利弗莫尔国家实验室150亿参数系统所拥有的记录。但它在处理由20,000个单词类比组成的“行业标准数据集”时也显示出比先前神经网络更高的准确性。Digital Reasoning的模型实现了近86%的准确率; 显着高于谷歌之前的76%以上纪录和斯坦福大学的75%。
“我们感到非常自豪，我们已经取得的成果，并贡献我们每天都在做深学习领域，说：” 马修·拉塞尔， Ç hief牛逼李有成Ø fficer对于 数字推理，在一个 新闻发布会。
深度学习“涉及从五层或更多层人工神经网络构建学习机器。(“深层”指的是层次的深度，而不是任何知识深度。)Facebook人工智能研究实验室 负责人Yann LeCun 将深度学习的概念描述为“学会代表世界的机器”。
Digital Reasoning的神经网络在一夜之间在三台多核计算机上进行了训练，以实现其在处理单词类比数据集方面的准确性。但该公司的研究人员计划在不久的将来在更大的数据集和词汇表上测试该系统。到目前为止他们的结果已经在预印本服务器arXiv 和机器学习杂志的论文中详细说明。
深度学习神经网络最近受到越来越多的关注。例如，谷歌一直在训练其深度学习AI，从头开始计算出经典的街机游戏。这家科技巨头最近还推出了用于可视化神经网络的“ DeepDream ”工具; 一种工具也恰好产生了美丽的，有时超现实的图像。
