，对“火箭引擎”做了更改：“计算能力的提高和数据的增多，推动机器学习领域取得了很大的进步，尽管这种观点在学术界并不受欢迎。以造火箭来打个比方……在这个比喻中，火箭引擎便是大型计算机——在百度，也就是我们正在建造的超级计算机——而火箭燃料便是我们拥有的大量数据。

　　在伦敦深度学习峰会当天早些时候，本文作者对吴恩达进行了采访，吴恩达介绍了深度学习是如何驱动百度的广告服务的。但是，吴恩达也建议说，数据中心的运营方式（也就是谷歌正在探索的）可能更适合。

　　总之，Corrado 建议，“台式计算机如果有一块高效的 GPU，也能发挥作用”，只要你知道自己想做什么就行了。

　　但是，你可能需要很多数据

　　不过， Corrado 也指出，训练深度学习模型确实需要大量的数据。理想情况是，把你能拿到是所有数据都用上。如果他要给决策层提建议，什么时候该使用深度学习，那么主要考虑的两个问题便是：

你需要解决的是不是机器感知的问题；

你是不是拥有大量的数据。

　　他说：“为了让系统运转，你必须要拥有大量的数据。” 如果没有大量的数据，他的建议是可以去想办法拿到数据。保证在每一个你希望训练的特征上都有不少于 100 次的可训练观察，这是一个很好的开始。

　　Corrado 表示，花上几个月的时间去对模型进行调整和优化浪费时间，想办法在早期获得更多的训练数据能让你更快地解决问题。

　　Corrado 还说，他对自己工作的定位不是在建立智能计算机（人工智能）或者打造会学习的计算机（机器学习），而是开发一种能学着变得智能的计算机。

　　训练这样一个系统需要大量的数据

　　设想一下，假如有（采用相对统一的数据格式保存的）世界各国地图数据库、各种语言的语料库……会是件非常美好的事情。除了各大巨头开源的和 Github、Reddit、Kaggle 这些比较知名的数据库，新智元根据 Wikipedia 整理了一些开放的大规模（英语）数据库，希望对你有所帮助：

　　跨学科数据库、搜索引擎：

https://www..com/datasets

Open Data Inception（这里有 2500+ 开源接口）

　　单一数据集和数据库：

https://datamarket.azure.com/

　　社交网络数据库

（有视觉互动分析的机器学习数据库）

　　深度学习并不是真的基于大脑