● 我们也需要深度思考一下了

    究竟是什么促使NVIDIA将注意力转向Deep Learning并把它变成了本届GTC大会的灵魂内容，同时在当前的技术背景下呈现出爆炸式的发展势头呢？答案在于应用。Deep Learning的出现不仅大大提升了许多互联网热门领域的应用水平，甚至可以从根本上改变我们现在的生活。

得益于Deep Learning，超越siri的语音交互系统未来将会实现

       Deep Learning所产生的影响虽然主要面向超级计算机集群领域，但通过这一领域，它能够获得足以改变未来的能力。Deep Learning能够导致的变化涵盖搜索、语音交互、服务供应、汽车、医疗甚至金融等等各种与我们生活息息相关的领域，所以可能您还没有注意到，但本届GTC大会确实已经为我们勾勒出了一个生动的未来景象了。

deep learning在医疗领域的应用

       比如说快速高精度图片识别吧，踏青的时候如果您想知道某种很好看的花叫什么，现在只需要拍一张照片然后交给百度/google去识别就行了，搜索引擎背后基于deep learning的超算集群已经通过数亿甚至数百亿张图片样本的学习掌握了区分图像细节的方法，并且能够自动完成所有必须得细节判断和检索工作。我们只需要给一张照片，就能获取过去必须通过语言详尽描述之后才能够获取的信息和答案了，而由此类操作所延伸出的全新搜索模式，则会从根本上改变整个互联网服务体系的现状和未来。

百度搜索的高精度图片识别

       直接用图片完成信息搜寻的方式不仅会改变我们的搜索习惯以及民用互联网服务体系的现状，还会对包括医学在内的诸多领域产生深远影响，从组织切片照片当中快速识别病变细胞/癌细胞之类过去十分棘手的问题，在deep learning支撑的系统当中都将不再是难事。deep learning能够让HPC更快速的掌握图片规律，进而以更高的效率在超大规模数据库当中完成准确性更高的检索和匹配过程。

    除了图像之外，基于deep learning的超算集群还在快速高精度语音识别、复杂背景音环境主音拾音以及连续动态视频监控等领域表现出了相当明显的效率优势，无论是超越siri的语音交互系统还是更好的车载交互平台，都将会在很近的未来得以实现。在其他需要不断自我改进算法以提升效率的领域，我们的生活，将会很快被基于Deep Learning的超算系统所改变。

围绕Deep Learning发布的新解决方案——digits devbox

    有介于此，Deep Learning其实比往届GTC大会上那些有针对性的GPU技术更具象，它对我们生活的影响明显更加直接和具体，并且已经开始了对未来的改变。而Deep Learning之所以会在当前快速发展，皆因为基于GPU节点的大规模并行计算体系已经进入了相当成熟的状态。NVIDIA之前在GPU逻辑结构设计和软件环境层面的付出为我们带来了效率十分理想的并行运算架构，正是基于这些成功设计的GPU所打造的并行超算系统，给Deep Learning提供了可靠且高效的运算能力。

    所以，这届GTC大会并不像很多人所想的那样缺乏灵魂，NVIDIA将Deep Learning定为GTC2015大会的灵魂和核心，其实就是对过去的总结以及对未来的展望，从本质上来讲，这与GTC大会“展现技术前沿进展和转化应用成果”的主旨其实是很吻合的。