他和其他研究者們已經(jīng)開始探尋一種叫做遷移學(xué)習(xí)（transfer learning）的新技術(shù)了。這種技術(shù)能讓強(qiáng)化學(xué)習(xí)系統(tǒng)把基礎(chǔ)建立在已習(xí)得的知識上，而不用每一次都從頭開始訓(xùn)練。Hassabis 先生解釋道，人類可以毫不費(fèi)力地做到這一點(diǎn)。Giannandrea 先生回憶起他四歲的女兒已經(jīng)能辨別出 penny-farthing（一種前輪大后輪小的腳踏車）就是一種自行車，即使她之前從沒見過這樣的東西?！傅嬎銠C(jī)無法做到，」他說。
一家最近被 Salesforce 收購的初創(chuàng)公司 MetaMind 也在研發(fā)一種相關(guān)的技術(shù)——多任務(wù)學(xué)習(xí)（multitask learning），這種系統(tǒng)用同樣的神經(jīng)網(wǎng)絡(luò)架構(gòu)解決多種不同的問題，在一件事情上獲得的經(jīng)驗?zāi)苡脕砀玫亟鉀Q其它事情。跟 DeepMind 類似，它也在探尋模塊化的架構(gòu)；其中一個被稱為「動態(tài)記憶網(wǎng)絡(luò)（dynamic memory network）」的系統(tǒng)能消化一系列陳述，然后回答相關(guān)問題，并且推斷出其中的邏輯聯(lián)系（Kermit 是一只青蛙；青蛙是綠色的；所以 Kermit 是綠色的）。MetaMind 還把自然語言網(wǎng)絡(luò)和圖像識別網(wǎng)絡(luò)融合到一個系統(tǒng)中，它可以回答有關(guān)圖像的問題（「這里面的汽車是什么顏色的？」）。這種技術(shù)可以用到智能客服聊天機(jī)器人中，或者用于 Salesforce 的客戶呼叫中心。
過去，很多有前景的人工智能技術(shù)發(fā)展都會逐漸疲軟。但深度學(xué)習(xí)卻不同?！高@東西真的能起作用，」 MetaMind 的 Richard Socher 說。人們每天都會用到它，雖然他們并未意識到。Hassabis、Socher和其他人的長遠(yuǎn)目標(biāo)是開發(fā)出「通用人工智能（AGI )」—一種能完成各種各樣任務(wù)的系統(tǒng)，有了它就不必再為每個特定問題都專門開發(fā)出一個系統(tǒng)了。人工智能多年來的研究方向都集中在解決專業(yè)化的特定問題上，Socher先生說，但現(xiàn)在研究人員們「正努力用更先進(jìn)的樂高積木塊拼出不一樣的東西」。即使他們中最樂觀的人也認(rèn)為還需至少十年才能做出人類智力水平的 AGI 。但 Hassabis 說，「我們認(rèn)為我們已經(jīng)知道實(shí)現(xiàn)接近 AGI 的系統(tǒng)所需的幾十種關(guān)鍵元素了」。
同時人工智能已經(jīng)在發(fā)揮作用了，而且很快會更有用。例如谷歌的智能回復(fù)系統(tǒng)，它通過兩個神經(jīng)網(wǎng)絡(luò)推薦郵件回復(fù)，從研究項目到產(chǎn)品上線只用了四個月（雖然剛開始它因為對每條信息建議回復(fù)的有「我愛你」而令人失望）?！冈诳蒲衅诳习l(fā)表文章剛一個月，就有某個公司正確使用你的系統(tǒng)了，」Socher 說。人工智能公司，不論規(guī)模大小都能都能定期發(fā)表學(xué)術(shù)文章；人工智能研究者即使在轉(zhuǎn)行進(jìn)入公司后也能繼續(xù)在同行評議期刊上發(fā)表研究成果。很多人都是邊為公司工作邊發(fā)表科研文章?！溉绻悴辉试S他們發(fā)表，他們就不會為你工作了，」Andreessen Horowitz 的 Chris Dixon 解釋說。
谷歌，F(xiàn)acebook，微軟，IBM，亞馬遜，百度以及其他公司都開源了某些深度學(xué)習(xí)軟件。部分原因是這些公司中的研究人員想要發(fā)表自己的成果，因為這有利于公司招募更多人才。從更現(xiàn)實(shí)的角度來看，這也是因為大型互聯(lián)網(wǎng)公司不在乎把自己的人工智能軟件公之于眾，因為他們真正的優(yōu)勢在于能獲取大量用于訓(xùn)練的用戶數(shù)據(jù)。一家投資基金公司 Bloomberg Beta的Shivon Zilis說，這使得他們能在某些方面占盡優(yōu)勢，但初創(chuàng)公司也在尋求打入市場的獨(dú)特途徑。比如無人機(jī)初創(chuàng)公司能在人群密集的地方通過模擬數(shù)據(jù)進(jìn)行飛行訓(xùn)練。而且很多訓(xùn)練數(shù)據(jù)都能從網(wǎng)上找到，孵化器公司 Y Combinator 的董事長 Sam Altman 說道。他注意到人類可以用有限的數(shù)據(jù)進(jìn)行學(xué)習(xí)，「這意味著大量訓(xùn)練數(shù)據(jù)并不是實(shí)現(xiàn)智能的必要條件」。像 Numenta 和 Geometric Intelligence 這樣的初創(chuàng)公司正在探索低數(shù)據(jù)依賴性的新智能系統(tǒng)。
在這股人工智能淘金熱中，公司們排著隊為參與者提供鐵鍬。出現(xiàn)最為頻繁的名字是英偉達(dá)，Dixon 先生說；似乎每一家人工智能創(chuàng)業(yè)公司都在使用它的 GPU 芯片來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。GPU 能力也可從亞馬遜和微軟的云中租用。與此同時，IBM 和谷歌則正為更快更高效地運(yùn)行人工智能軟件而設(shè)計專門的新芯片。谷歌、微軟和 IBM 也正使其語音識別、句子解析和圖像分析等人工智能服務(wù)免費(fèi)在線提供，讓創(chuàng)業(yè)公司可以結(jié)合這些開發(fā)模塊來構(gòu)建新的人工智能產(chǎn)品和服務(wù)。IBM 的 Guru Banavar 說：來自多個行業(yè)的300多家公司已經(jīng)使用 IBM 的 Watson 平臺開發(fā)出了人工智能驅(qū)動的應(yīng)用，其中包括篩選應(yīng)聘者和挑選葡萄酒。