谷歌在 2011年推出专注深度学习的谷歌大脑计划（Google Brain Project），在2012年中期发布基于神经网络的声音识别产品，2013年3月得到了神经网络先驱Geoffrey Hinton的加入。谷歌现在有超过1000个深度学习项目，研究的领域相当宽泛，包括Android，Gmail，照片、地图、翻译、YouTube和无人车。2014年谷歌收购DeepMind，今年3月DeepMind的加强深度学习项目AlphaGo打败了世界围棋冠军李世石，这对人工智能来说是标志性的事件。

　　微软在 2011年推出商业化的语音识别产品，包括Bing语音搜索和X-Box语音处理。微软现在在搜索排序、照片搜索、翻译系统等方面广泛利用神经网络。“如何转化这些渗透性的影响非常不易。”Lee说。微软去年赢得了图像识别大赛，九月它在语言识别的错误率上取得了突破性的进展：。

　　Facebook在2013年12月聘请了法国神经网络创新者Yann LeCun作为它的新AI实验室的带头人。Facebook平均每天使用神经网络翻译来自超过40种语言国家的20亿用户的帖子，这些翻译的内容每天被8000万用户阅读。（Facebook的用户中有近一半不是英语用户。）Facebook也在照片搜索和照片排列中使用神经网络，而且它正在开发一个功能，能对无标签的照片生成语音标签以帮助视障人士。

　　百度在2014年4月聘请了谷歌脑计划的前负责人吴恩达作为它的AI实验室的领头人。百度作为中国领先的搜索和网络服务企业，把神经网络应用于语音识别、翻译、图片搜索以及无人驾驶等项目中。对中国来说，语音识别是非常关键的领域，因为手机输入中文相当困难。百度说，过去18个月里使用语音接口的用户数量增长了三倍。

　　深度学习和蓬勃发展的医疗领域

　　并不让人意外，大部分深度学习应用的商业部署都出自谷歌、微软、Facebook、百度、亚马逊等公司——他们拥有深度学习计算所需要的大数据。很多企业都在开发更加实用、更多功能的“聊天机器人”，作为自动客户服务代表。

　　IBM 和微软这样的公司也在帮助商业客户采纳深度学习驱动的应用，比如语音识别交互和翻译服务。同时，像亚马逊的云服务提供了便宜的 GPU 驱动深度学习计算服务，让其他公司开发自己的深度学习软件成为可能。大量的开源软件，比如 Caffe、谷歌的 TensorFlow 和，共同促进了创新的进程，同时也创造了一种开源共享的文化，进而有许多研究者在一个数据集上获得成果以后会立刻发布出来，不需要再等待漫长的同行评议。

　　对深度学习的应用，许多最令人兴奋的尝试发生在医疗领域。我们已经知道神经网络在图像识别上可以做得很好。领导 Andreessen Horowitz 生物投资部门的观察者、斯坦福教授Vijay Pande 说，“医生的工作中，有很大一部分就是图像识别，不管我们说的是放射科、皮肤科、眼科或者别的什么科”。

　　初创公司 Enlitic 使用深度学习来分享 CT 和 MRI 扫描结果。公司 CEO Igor Barani 此前曾是加利福尼亚大学的放射肿瘤学的教授，他说，Enlitics 的算法在探测和分类肺部肿瘤的恶化上超过了 四位肿瘤学专家。（该研究还没有通过同行评议，也没有获得美国食品药品管理局（FDA）的认可。

　　默克公司（Merck）正在尝试使用深度学习来加速药品的发现，在旧金山的一家初创企业 Atomwise 也在做同样的事。神经网络通过观看3D图像（图像中上万个分子可能会被用作药材），预测这些分子在抵抗病原体上的适用性。这些公司正在使用神经网络，尝试提高人类已经在做的事情。但是，也有一起公司在尝试做一些人类无法完成的是，27 岁的计算机生物学博士 Gabriel Otte 创办了 Freenome，其目标是从样本血中诊断癌症。使用深度学习，他让计算机找到脱细胞DNA和一些癌症的关联性。“我们发现了一些新颖的特征，这是还没被癌症生物学家发现的。”