正文
我们与祖母可能交流困难，如何应用 NLP 技术与她进行交流，增强人与人之间的沟通；第二张图片与医疗相关；第三张图片中是微软的工程师，是一个天生的盲人，微软现在有一种眼镜能够进行物体识别，这也是基于deep learning很好的应用。
第一张图是我们在平安城市中抓取特征点；第二张图是服务型机器人；第三张图是在农业方面的应用。因此，在 AI月 deep learning 的时代，有很多领域大家可以尝试去做。
这张图想与大家分享一下英伟达在自动驾驶领域的应用。我们将自动驾驶变为AI
的任务，模拟人进行驾驶。当人驾驶时，人需要知道周围环境，车的位置，并作出相应的驾驶策略，这也是AI的任务。1）感知：我们会用多样的传感器将周围环境情况了解清楚；2）reasoning：判断周围环境是否安全；3）驾驶：依托于高精度地图，高精度地图能够提供丰富的环境信息和精确的定位。
这是一个总结，可以看到人工智能时代在架构、软硬件、算法等方面不断向前发展。
下面我会跟大家分享一下，在 GTC 2017 中一些比较好的收获。
第一个就是，英伟达在
GTC上宣布了新一代的 GPU，VOLTA100。我们每一代的GPU有一个科学家的名字，这一代的GPU 对我们来说，有几方面的提高，第一是它有
210 亿个晶体管，12纳米线程，然后整个核心板的面积在815毫米平方，这是一个非常大的进步，整个架构上有一个非常大的进步。
这一代，我们的架构有一个很好的一个提升，我们会在这一代架构里面放入一个Tensor
核，它完成了以前矩阵式同步这种的矩阵式相乘，实现非常高速的运转。这样的结果会让我们产生120Teraflops 的计算能力，这种计算能力无论针对
Training 端还是 Inference 端都是非常好的进步。这一代产品是英伟达最新在 GTC上发布的。
这一页是跟大家讲一个蛮有意思的产品，其实机器人或者说我们叫智能体的这种产品已经出了挺长时间，但是机器人这种产品有一个问题，就是说机器人这种场景，你真正去训练它的时候，其实是挺困难的，包括有各种场景你要去模拟，这是比较大的困难，因为第一个是时间长，第二个你不会去造很多机器人一块去学一些东西，这样的话，你这个研发包括这种开发的周期会很长。
这是我们叫 ISAAC 的
SIMULATOR，其实是把深度学习和模拟结合在一起，它其实是用一个模拟的平台去训练机器人，比如说我训练一个机器人做一个动作，做什么动作呢？我做一个比如说打高尔夫球的动作，那他就去做模拟，他一遍一遍的做，这样的话，如果一个机器人的公司，它以使用这样的模拟器。它去做这种模拟的时候，可以同步去做多个，或者是把一种机器人同步做多个机器人的模拟，然后做多个场景的模拟，甚至是一个场景多个机器人去模拟，这样去做。这样的话，会极大的提升模拟和开发的效率。
这一页是我们这一次的颁奖。我们的评委有的来自高盛，有的来自微软，这些评委都是来自于这些公司。那么我们发现很有意思，这里面有六家公司（获奖），有三家第一。这三家都是做医疗和健康相关的。有一家是做针对心脏病的快速检测，它这个好处在哪呢？就是说我个人如果心脏很不舒服的时候，真正送到急诊或者医院时，很难很快就定它这个心脏有什么样的问题，但是里面有一家的技术就能让它做一个相对来说比较简单的检测，它通过这个检测后，它的后台会用
Deep learing，这样它的检测会去看心脏大部分概率是哪一种病，第一准确度高，第二很快速，所以这对这种病人的快速诊断起到了很大的作用。
还有一家公司是在做针对皮肤癌的检测，另外一个公司在做什么呢？另外一个公司在做针对血液的检测，它这个血液检测主要是看白细胞，通过血液里面的白细胞来看免疫力，这三家无一例外都在用
Deep
learing去做他们核心技术的这种检测，第四家公司是做计算机安全的公司，它也是利用现在网上的样本，比如说它会把现在网上攻击的样本，包括病毒的样本在他们的
DNN
里面去做训练，去看到底是哪一类型的病毒，或者说是攻击。底下这一家公司做了一个大家都没有做的市场，它要做建筑工地的市场，他们发现建筑工地有一个问题是，建筑工地里面的一些技术人员拍建筑工业外形照的时候，手机也拍了，拿相机也拍了，但很难把这些照片很快的进行分类，这些建筑工地一个是条件差，也没有很好的办公条件，所以很难分类，很难分类的问题是在于带来工作上这种工作效率降低，这是第一个。
第二个是信息上传不及时。这家公司拿了一个类似于 Pad 的设备上工地，拍了需要检测的照片以后自动做分类、上传。它提供了这样一套智能解决方案。
关于 Focal，刚才跟大家讲过，就是针对传统商店的解决方案。
这是一段录像，这段录像其实是想跟大家分享一下在自动驾驶方面的一些应用，把这个放在这里分享就想跟大家说一下，其实自动驾驶和 AI 是强相关的，这里面无论从技术还是商业还是前景上都是非常好的，大家可以看一下。
这段视频是简单讲了一下自动驾驶中我们的一个路测，看起来好像很简单，从一个地方起步然后转弯，从普通高速上来再下高速，这里面用到的 AI
技术是非常多的，最简单的就像在路上跑的时候，物体的识别，包括车道线检测，包括移动物体的检测，包括自动驾驶的策略，怎么样做驾驶的策略等等，其实这里面包括了很多
AI 相关的技术，所以我们可以看到自动驾驶其实是一个跟 AI 强相关的行业，这也是一个非常具备挑战的行业，当然也很有意思。
这里有一个我一直很想跟大家分享的视频。
视频地址：https://www.bloomberg.com/features/2016-hello-world-new-zealand/
刚才有一个同学提了很好的问题，问
AI 和 VR 会不会有一种结合的过程。其实我们想说，AI 和 VR 有一种非常强的结合，也就是在 VR
里面模拟一个人，我们把这个人定义成一个智慧体，这个跟机器人是完全不同的场景，为什么这么说呢？因为这个机器人如果是智慧体的话，比如说这个地方有一个机器人，那就只是一个机器人，它长什么样就是什么样。如果在虚拟世界里面，它跟
AI
技术结合以后，这个人它可以自己成长，它可以学东西，它其实是一个智慧体，这个应用最早来自于哪里呢？这个应用最早来自于电影里面的需求，电影里面我们会说我设一个人物，这个人物本身就能跟你交互学习，是一个类人体，但是它是用计算机模拟出来的，电影行业最开始有这个需求，这个需求有一个拓展。比如说我可以在计算机中模拟一个孩子，而这个天真无害的小孩，他会随着年龄的增长，会变老，他是一个智慧体，智慧体说明什么呢？你可以跟他进行互动，你教他英语他会英语，你教他爸爸妈妈他会爸爸妈妈，这样一个智慧体的商业价值我不知道，但是我觉得他对人类带来的价值很大，比如说有些人，比如说有些家庭，孩子没有了或者找不到了，或者父母很长时间没有见小孩非常想小孩，我怎么办呢？通过这种技术，因为小孩他会去学，你从视觉上的感觉，他就跟真人一模一样非常的感动。
这段视频其实就是虚拟现实和 AI
相结合的一个案例，这最早是奥尔兰大学一个工作组在研究的一个很不错研究的主题，主要是通过这种模拟的技术，首先是在虚拟屏幕上构建一个智慧体，然后这个智慧体后面其实是用深度神经网络去训练智慧体，这样这个孩子会理解你的话，他会去学英语，我第一次看到这个在网上看到这个视频，感到非常震憾，我今天想分享给大家。
其实从这段视频分享中，我们可以看一下，它其实有几个方面的工作在做。首先，在模拟方面，包括对细节的处理，肯定是做的非常好，这是一方面的工作。
