HAL、魔鬼終結者、牛郎機器人 (Gigolo Joe) －此類能夠學習周遭世界並與之互動的機器，長久以來一直是科幻作品的主題。而如今，故事的虛構元素正迅速成為日常生活中的現實。
我女兒很愛用 Kinect 玩 Xbox 的保齡球遊戲，她認為 Kinect 能夠偵測人所站的位置和手的動作，是理所當然的事。同樣地，數百萬的 Android 使用者現在也仰賴 Google 的語音辨識技術來執行如導航、撥電話等日常事務。
這些消費性產品都屬於一種名為「機器學習」(人工智慧的子領域) 的技術。機器學習的目的是教導機器或電腦理解資料，以獲得各種能力，例如辨識語音或偵測站在攝影機前的人。
可想而知，機器學習極為困難；因此，我們直到近年才開始享有此技術帶來的好處。不過，拜近年來演算法的突破進展與 GPU 的高效能所賜，機器在學習比實驗室的實驗複雜許多的服務問題時，研究人員已見到其準確度有明顯的改善。
現在，不少公司都利用 GPU 來建構精密的人工類神經網路，以提供讓人們享受便利的日常服務。在此舉幾個例子:
- 百度圖片搜尋運用 GPU 產生精確的影像搜尋結果 (Wired 文章)
- Microsoft Xbox Kinect 能夠精準區別人體姿勢 (Microsoft 部落格)
- Yandex 搜尋運用 GPU 提供搜尋排名結果 (Yandex 部落格)
- Google 為各種計畫建立類神經網路 (Wired 文章)
- Nuance 現正探索新的演算法，以提供更準確的語音辨識產品 (Nuance 部落格)
人工智慧逐漸影響我們的日常生活，而 GPU 即是此一進化的核心關鍵。
紐約大學柯朗研究所 (Courant Institute) 的 Rob Fergus 教授表示:「利用 GPU 來訓練深度類神經網路已經成為一種絕對需求。用 GPU 訓練類神經網路需要耗費好幾週的時間，但如果只仰賴 CPU，更可能花上好幾年。」柯朗研究所是深度類神經網路的研究團隊，此類網路可用在影像辨識等應用。
一切才正要開始。除影像搜尋和語音辨識技術外，未來的應用還包括可進入主流市場的平價自動駕駛車 (而非只是在加州 101 公路上測試的原型車)，以及購物網站的智慧型推薦引擎。雖然離實現人性化智慧能力還有一段距離，但 GPU 加快了目前的創新步伐，因此，未來其實比我們想像的還要近。
如果您從事機器學習領域的工作，歡迎在下方留言。