在猫的实验中，研究者给一个超大神经网络（1000 台计算机）展示了从 YouTube视频上随机截取的一千万个未标记图像，让计算机软件自行运作。当“杂质”清除干净后，研究员检查最高层级的神经元，自然就能发现其中一个神经元有力地反馈出猫的图像。Google Brain 的项目负责人 Ng 说：“我们还发现一个神经元明显地反快出人类的面部图像。”然而，结果也令人疑惑。“比如，我们没有发现任何一个明显反映汽车图像的神经元。还有很多神经元反映的事物我们无法辨别。所以这项工程还很艰难。”

　　这个实验引起了轰动，但是无监督学习仍然未被完全破解，这是留给未来的一项挑战。

　　可以想到的是，目前大多数商业使用的深度学习应用都属于那些拥有庞大的可供深度学习运算数据的公司，比如谷歌、微软、Facebook、百度和亚马逊。很多公司正在发展更加真实和有用的聊天机器人来作为自动化的客服代表。

　　四大技术巨头对深度学习技术的重视

　　· 谷歌

　　谷歌在2011年设立了专注深度学习领域的 Google Brain 项目。2012年中期，谷歌将神经网络引进其语音识别产品中。2013年3月，谷歌保留了神经网络开发者 Geoffrey Hinton。如今谷歌正在研发过程中的深度学习项目已经超过1000种，涵盖了搜索、安卓、Gmail、照片、地图、翻译、YouTube和自动驾驶汽车等众多领域。2014年 ，谷歌收购了 DeepMind，其深度强化学习项目 AlphaGo 在三月份打败了世界冠军李世石，成为了人工智能发展的里程碑。

　　· 微软

　　2011年上半年，微软在其 Bing 声音搜索和 X-Box 语音指令等商业语音识别产品中使用了深度学习技术。目前，微软在搜索排行、照片搜索、翻译系统等很多领域中使用了神经网络技术。Lee 说道：“其实广泛传递它已有的影响是很难的。”去年，微软赢得了关键图像识别竞赛的胜利，九月份，微软又取得了一个纪念碑式的记录：在语音识别中达到最低错误率6.3%。

　　· Facebook

　　2013年10月，Facebook 聘请了法国神经网络创新专家 Yann LeCun 来指导公司新的人工智能研究实验室。 Facebook 每天利用神经网络来翻译超过 40 种语言的大约 2 千万的用户帖子，同时，每天有8亿用户在阅读这些翻译的帖子（几乎有一半的用户不使用英语）。 Facebook 还将神经网络应用于照片搜索和整理中。目前，公司正在研究一项应用于视力障碍人群的功能：为没有标签的照片产生语音标记。

　　· 百度

　　2014 年 5 月，百度聘请前谷歌 Google Brain 项目创建者之一的 Andrew Ng 来领导它的研究实验室。作为中国领先的搜索引擎和网页服务网站，百度也在其语音识别、翻译、照片查询、自驾驶汽车等等领域中使用神经网络技术。在中国这样一个倡导“移动先行”战略而其主要语言汉语又较难输入进电子设备的社会中，语音识别是发展的关键所在。百度谈到，在过去的18个月里，使用语音接口的用户数量翻了三番。

　　像 IBM 和微软这样的企业也正在帮助企业客户在企业运营时中适应深度学习类应用（如语音识别界面和翻译服务）。而像亚马逊网页服务这样的云服务商则为想要发展自己软件的客户提供便宜的 GPU 驱动的深度学习运算服务。大量的开源软件（如 Caffe、谷歌 TensorFLOW、亚马逊 DSSTNE）本着开源的原则，已经加速了它们的创新过程，从而使更多的研究者可以不经过漫长的同行审阅同意就能立即发表他们的研究结果。

　　很多非常激动人心的深度学习应用都在医学领域。我们已经了解到，神经网络在图像识别方面贡献非凡。安德森·霍洛维茨基金（Andreessen Horowitz）基金的生物投资单元负责人，斯坦副教授 Vijay Pande 观察到：“放射科、皮肤科、眼科等很多科室的医生所做的大部分事情其实就是图像识别工作。”

　　· 深度学习与医学

　　初创公司 Enlitic 利用深度学习来分析CT和MRI等医学影像检查。公司总裁 Igor Barani 此前是加州大学旧金山分校的射线肿瘤学教授，他说道，Enlitic 在判断肺部结节是恶性还是良性方面比四个放射学专家做的还要出色。（这项工作还未得到同行审阅，该技术还未得到 FDA 的认可。）

　　默克制药公司（Merck）正在尝试使用深度学习来加速药物的发现，它在旧金山新创建了一个制药公司，名叫 Atomwise。在这里，神经网络可以检验出一个由数千分子构成的药物的3D图像，从而预测该药物是否适合抑制病原体的致病机制。很多这样的公司正在使用神经网络来试图改进人类已有的成果，还有一些公司则试图做人类还无法实现的工作。