# 现代机器学习加速技术全解析：从GPU到定制芯片的演进之路 早期的机器学习以搜索为基础，主要依靠进行过一定优化的暴力方法。但是随着机器学习逐渐成熟，它开始专注于加速技术已经很成熟的统计方法和优化问题。同时深度学习的问世更是带来原本可能无法实现的优化方法。本文将介绍现代机器学习如何找到兼顾规模和速度的新方法，并带您一步步了解从GPU加速到智能手机专用芯片的完整技术路线。

## AI领域的转变 在本系列的第1部分中，我们探讨了AI的一些历史，以及从Lisp到现代编程语言以及深度学习等新型计算智能范式的历程。我们还讨论了人工智能的早期应用，它们依赖于经过优化的搜索形式、在海量数据集上进行训练的现代神经网络架构，同时解决了十年前还被认为不可能的难题。 然而，目前仍有两大难题有待解决：如何进一步加速这些应用，以及将它们限制在智能手机这样的功耗优化环境中。 今天，深度学习成为了多数加速技术的重点研究对象。深度学习是一种神经网络架构，它依赖于多层神经网络，其中的每一层都可以支持不同的功能以进行特征检测。这些深层神经网络依赖于可方便运用并行计算的矢量运算，并为神经网络层分布式计算以及同层诸多神经元并行计算创造了条件。 > **