3月15日消息，據(jù)MIT Technology Review報(bào)道，通常來(lái)說(shuō)，電腦性能會(huì)隨著使用年限的延長(zhǎng)而下降，它們的處理器很難應(yīng)對(duì)新的軟件。蘋(píng)果公司甚至故意放慢iPhone的速度，因?yàn)樗鼈兊碾姵卣�在老��。但是谷歌研究人員已經(jīng)公布了一個(gè)項(xiàng)目的細(xì)節(jié)，可以讓筆記本電腦或智能手機(jī)隨著時(shí)間的推移學(xué)會(huì)更好、更快地執(zhí)行任務(wù)。

　　研究人員解決了計(jì)算中最常見(jiàn)的問(wèn)題之一，即預(yù)抓取(prefetching)。計(jì)算機(jī)處理信息的速度比從內(nèi)存中提取信息要快得多。為了避免瓶頸，它們?cè)噲D預(yù)測(cè)哪些信息可能是需要的，并提前把其抓取出來(lái)。隨著計(jì)算機(jī)變得越來(lái)越強(qiáng)大，這種預(yù)測(cè)變得越來(lái)越困難。

　　在本周發(fā)布的論文中，谷歌團(tuán)隊(duì)描述了使用深度學(xué)習(xí)(使用大型模擬神經(jīng)網(wǎng)絡(luò)的人工智能方法)來(lái)改進(jìn)預(yù)抓取功能。盡管研究人員還沒(méi)有說(shuō)明其速度變得有多快，但考慮到深度學(xué)習(xí)給其他任務(wù)帶來(lái)的影響，這種提升可能是巨大的。

　　加州大學(xué)圣克魯茲分校研究員海納·利茨(Heiner Litz)說(shuō)：“我們所做的工作只是冰山一角。”利茨認(rèn)為，應(yīng)該可以將機(jī)器學(xué)習(xí)應(yīng)用到計(jì)算機(jī)的每個(gè)部分，從低級(jí)操作系統(tǒng)到與用戶(hù)交互的軟件。

　　這樣的進(jìn)步是適當(dāng)?shù)�。摩爾定�?Moore’s Law)終于開(kāi)始放緩，而計(jì)算機(jī)芯片的基本設(shè)計(jì)近年來(lái)也沒(méi)有太大變化。麻省理工學(xué)院(MIT)副教授蒂姆·克拉斯卡(Tim Kraska)也在探索機(jī)器學(xué)習(xí)如何讓電腦工作得更好。他說(shuō)，這種方法對(duì)高級(jí)算法也很有用。

　　舉例來(lái)說(shuō)，數(shù)據(jù)庫(kù)可以自動(dòng)學(xué)習(xí)如何處理與社交網(wǎng)絡(luò)數(shù)據(jù)相反的財(cái)務(wù)數(shù)據(jù)�；蛘撸瑧�(yīng)用程序可以教會(huì)自己更有效地響應(yīng)特定用戶(hù)的習(xí)慣。克拉斯卡說(shuō)：“我們傾向于構(gòu)建通用的系統(tǒng)和硬件，機(jī)器學(xué)習(xí)使系統(tǒng)能夠自動(dòng)地對(duì)用戶(hù)的特定數(shù)據(jù)和訪(fǎng)問(wèn)模式進(jìn)行定制。”

　　但克拉斯卡警告說(shuō)，使用機(jī)器學(xué)習(xí)仍然需要計(jì)算費(fèi)用，因此計(jì)算機(jī)系統(tǒng)不會(huì)在一夜之間發(fā)生變化。然而，如果有可能克服這些限制，我們開(kāi)發(fā)系統(tǒng)的方式將來(lái)可能會(huì)發(fā)生根本性的改變。

　　利茨對(duì)此更加樂(lè)觀，他說(shuō)：“最終遠(yuǎn)景是構(gòu)建一個(gè)能夠不斷自我監(jiān)控和學(xué)習(xí)的系統(tǒng)，這真的是下一件大事的開(kāi)始。”