據麻省理工科技評論網5月16日報道，曾與谷歌合作過的人工智能研究員吳恩達（Andrew Ng）將開始為中國百度公司開發透視全球的新軟件。

更優良的算法式可促生功能強大的新應用軟件和服務，并幫助網絡公司從搜集的數據中獲利。

百度一直在中國互聯網搜索領域占據主導地位，被視為“中國的谷歌”。今天百度在進一步向谷歌看齊：百度在美國硅谷設立了由吳恩達監管的人工智能研究室（吳恩達系谷歌“深度學習”領域關鍵人物，Coursera在線教育企業合作創辦人）。"

近來科技的進步引發了硅谷科技軍備競賽，大型網絡公司爭奪科技人才，像谷歌、臉譜網公司都爭先恐后投資深度學習領域，百度也看到了人工智能的顯著優勢和廣闊前景，開始進軍這一領域。

深度學習使機器能運用簡單的神經元模擬網絡加工大量數據，這種網絡粗略地模仿了生物大腦的相應結構。這一過程大大改善了任務型軟件的功能，如圖像辨別和語音識別，它還最終使得應用軟件、設備、互聯網服務能像人類一樣理解如圖片和文本這樣的事物。

盡管近來對深度學習領域的狂熱起源于學術界，但在谷歌研究員與吳恩達2012宣告一個名為“谷歌大腦”的項目取得突破之后，人們對深度學習領域的興趣才爆發。他們編制的新軟件分析了1000萬張取自YouTube視頻網站的圖像，并不需人工指導而學會分辨包括人臉和貓臉等數千個客體。

此后，美國科技巨頭相互競爭聘用這一較小領域的精英，他們開始展示這一方法是如何提升他們為顧客所提供的技術。谷歌和微軟公司都利用深度學習系統來完善語音識別和翻譯軟件。同時，臉譜網深度學習領域研究員最近展示了面部識別軟件，該其識別功能已接近人類水平。

百度公司北京深度學習實驗室負責人余凱表示，百度決定在森尼維爾市開實驗室前，就已在2012年末將深度學習技術應用至幾款產品中，而且效果顯著。百度翻譯軟件就使用了該技術，可辨別出智能手機所拍攝的物體，并給出中英文名稱，此外公司廣告定位技術也運用了深度學習技術。余凱說道：“深度學習在廣告和系統中的應用，帶來了立竿見影的效果，明顯增加了點擊率。”

余凱表示，他的北京實驗室專注將深度學習技術應用至百度產品并迅速引入市場，而新建的硅谷實驗室將偏向基礎研究。巨大市場與吳恩達明星效應，結合百度大容量的圖像、文本、食品儲存儲備，將有望吸引優秀人才。“硅谷有著獨一無二的人才庫，”余凱說道，“我們真正希望能從硅谷實驗室得到革命性成果。”%

吳恩達作為百度研究負責人將致力于研發此技術，并監管）硅谷實驗室、余凱北京實驗室及北京另一個主攻大數據的實驗室。

實驗室研究由吳恩達斯坦福研究團隊的博士、博士后研究員亞當•科茨（Adam Coates）負責。科茨表示將集中精力開發脫離人工的自學軟件，如谷歌大腦系統所做到的，不需監督的自學途徑。

不需監督的系統所需程序員精力會更少，但目前為止，該系統精確性較差，至少不如人類。例如，谷歌的貓識別系統也只能達到70%識別精確度。“最大的開放性問題是‘你怎樣才能用自學途徑達到人類的表現水平？”科茨說道。但對科技一丁點的改善都會獲得巨大成果。“所以我們希望借助自己開發的產品與世界交流，”他說道，“這也適用于機器人和自動汽車、手機應用軟件。”

美國普達大學研究員、芯片及神經元網絡工程師歐亨尼奧•庫魯賽羅（Eugenio Culurciello）表示，科學界對深度學習的熱情是合理的。他指出該技術的途徑是怎樣將研究員用來標定機器學習軟件的基準推翻的。“以之前基準論，你改善了2%，”他說道，“但深度學習能提升10%至20%。”

這些成果也可以解釋臉譜網首席執行官馬克•扎克伯格（Mark Zuckerberg）去年為何會在基于網絡的入侵防護系統（NIPS）的神經元網絡研究專題發布會上大吃一驚。然而，科羅拉多大學教授邁克•莫澤爾（Michael  Mozer）、博爾德、NIPS成員均指出神經元網絡所使用的核心算法與20世紀80年代末的算法非常類似，當時引發了人們對人工智能的極大熱情。“最近的突破來自于發現了能大規模使用這些算法的“技巧”，莫扎爾說道，“迷戀此技術的人如今也能收獲了，”但深度學習并非每次都能取得豐厚成果

對于現在，對深度學習使用技巧比較精通的人還很少。莫扎爾說：“如果你現在想打敗該領域的眾多其他對手，你必須嘗試去聘用深諳此技的人才，否則幾年后你就被淘汰了。”