為了簡化培訓過程，谷歌公司開發(fā)了自己的專用芯片，稱為張量處理單元(TPU)，可以通過谷歌公司的TensorFlow軟件庫來加快實現(xiàn)機器學習模式的速度。這些芯片不僅僅用于培訓DeepMind和Google Brain的模型，還包括支持Google翻譯和Google Photo中圖像識別的模型，以及允許公眾使用Google TensorFlow研究云構建機器學習模型的服務。這些芯片的第二代產(chǎn)品已在今年5月的Google I/O會議上亮相，隨著這些新型TPU提供的一系列功能，訓練一個用于翻譯的Google機器學習模型可以節(jié)省一半的時間。
Sloss說：“TPU比目前可用的技術具有巨大的性能優(yōu)勢。在這個時候，所有正在致力研究機器學習的廠商都是在人機大賽表演之后追逐的，這會帶來一個很大的競爭優(yōu)勢，因為可以在某種程度上模仿一些有用的東西。”
在谷歌公司數(shù)據(jù)中心未來對TPU的推出沒有作出堅定承諾的同時，他表示：“我懷疑能否將繼續(xù)使TPU得到更廣泛地使用”。
即使作為谷歌公司的內(nèi)部人士，Sloss也承認，機器學習能力在能夠并行處理大量數(shù)據(jù)的處理器背后推動的速度，以及龐大的培訓數(shù)據(jù)集的可用性令人吃驚。
他表示：“在過去的幾年里，機器學習的整體能力還在不斷提高。我是一名棋手，如果有人三年前告訴過我，2017年世界圍棋冠軍將是一臺電腦，我當時不會這么確定。而在三年之后，我們實現(xiàn)了這個目標。我很期待機器學習能在接下來的五年里為世界做些什么。”