《自然》评选改变科学的 10 个计算机代码项目

中国北京时间 1 月 26 日信息，据海外新闻媒体，从 Fortran 到 arXiv.org，这种计算机编号和服务平台让分子生物学、气侯科学研究和物理等课程的发展趋势做到了真实 “日新月异”的速率。

2019 年，事件视界望眼镜精英团队让全球初次看到了超级黑洞的模样。但是，研究工作人员发布的这张发亮环状物件的图象并并不是传统式的照片，只是历经测算得到的。运用坐落于美国、西班牙、智力、意大利和南极地区的太空望远镜所获得的数据信息，研究工作人员开展了数学课变换，最后生成了这张代表性的照片。研究精英团队还公布了完成这一创举常用的代码编程，并发文纪录这一发觉，别的研究者也能够在这个基础上进一步具体分析。

▲要是没有可以处理研究难题的手机软件，及其了解怎样撰写并应用手机软件的研究工作人员，一台计算机不管再强劲，也是毫无价值的

这类方式正越来越愈来愈广泛。从天文学到生物学，在当代每一项重特大科学新发现的身后，都是有计算机的参加。美国斯坦福学校的测算科学家麦克尔 · 莱维特因 “为繁杂有机化学系统软件造就了多尺度实体模型”与另俩位研究者共享了 2013 年诺贝尔化学奖，他强调，今日的笔记本运行内存和数字时钟速率是他在 1967 年逐渐得奖工作中时试验室生产制造的计算机的 1 千倍。“大家今日的确有着非常可观的数学计算，”他说道，“难题取决于，大家依然必须思索。”

要是没有可以处理研究难题的手机软件，及其了解怎样撰写并应用手机软件的研究工作人员，一台计算机不管再强劲，也是毫无价值的。现如今的科学研究研究从源头上早已与计算机手机软件联络在一起，后面一种早已渗入研究工作中的各个领域。近日，《自然》（Nature）杂志期刊将眼光看向了背后，紧紧围绕以往几十年来更改科学研究研究的重要计算机编码，并排出了在其中 10 个重要的计算机新项目。

▲这台 CDC 3600 型计算机于 1963 年交由坐落于科罗拉多州博尔德的我国空气研究管理中心，研究者在 Fortran c语言编译器的协助对其开展了程序编写

語言先行者：Fortran c语言编译器（1957 年）

最开始的当代计算机并不易实际操作。那时候的程序编写事实上是手工制作将电缆线组合成一排排电源电路来完成的。之后出現了机器语言和汇编程序，容许客户用编码为计算机程序编写，但这二种語言都必须对计算机的构架有深层次的掌握，促使很多生物学家无法把握。

20 新世纪 50 时代，伴随着符号语言的发展趋势，尤其是由约翰 · 巴克斯以及精英团队在美国加州的圣何塞的 IBM 开发设计的 “公式计算汉语翻译”語言 Fortran，这类状况发生了转变。运用 Fortran，客户可以用人们可写的命令来程序编写，比如 x = 3 5。随后由c语言编译器将这种命令转化成迅速、高效率的设备编码。

但是，这一全过程依然很不易。初期的程序猿应用开洞卡来键入编码，而繁杂的仿真模拟很有可能必须数十万张开洞卡。即便如此，美国俄亥俄州普林斯顿大学的气侯学者真锅淑郎（Syukuro Manabe）還是强调，Fortran 让非计算机生物学家也可以程序编写，“它是大家第一次可以自身给计算机程序编写”。他与朋友们运用这类語言开发设计的气侯实体模型是最开始获得成功的实体模型之一。

Fortran 发展趋势迄今早已到第八个十年，它依然广泛运用于气侯模型、流体力学、计算化学等课程，这种课程都牵涉到繁杂离散数学并必须强劲的计算机来迅速解决数据。Fortran 形成的编码速率迅速，并且依然有很多程序猿了解怎样撰写。古早味的 Fortran 代码库依然活跃性在世界各国的试验室和非常计算机上。“之前的程序猿了解她们在干什么，”美国南海舰队研究院的运用一位数学家和气侯实体模型师唐纳德 · 吉拉尔多讲，“她们十分重视运行内存，由于她们有着的运行内存很少。”

信号转换器：迅速傅里叶变换（1965）

当射电科学家扫描仪苍穹时，她们捕获的是随時间转变的繁杂数据信号杂声。为了更好地了解这种电磁波的实质，她们必须见到这种数据信号做为頻率的涵数时是哪些的。一种名叫 “傅里叶变换”的数学课全过程能够帮到研究工作人员，但它的高效率很低，针对一个尺寸为 N 的数据必须 N^2 次测算。

▲默奇森宽视场列阵的一部分城市夜景，这是一个始建加拿大中西部的太空望远镜列阵，应用迅速傅里叶变换来搜集数据信息

1965 年，美国一位数学家勒布朗詹姆斯 · 库利和罗伯特 · 杜基想到了一种加快该全过程的方式。迅速傅里叶变换（FFT）根据递归（一种根据反复将难题溶解为类似的子难题而解决困难的程序编写方式）将测算傅里叶变换的难题简单化为 N log2（N）步。伴随着 N 的提升，速率也会提升。针对 1000 个点，速率提高大概是 100 倍；100 万只点则是 5 千倍。

这一 “发觉”事实上是一个再发觉，由于法国数学家高斯在 1805 年就对于此事开展了研究，但他从未发表过。而勒布朗詹姆斯 · 库利和罗伯特 · 杜基保证了，她们打开了傅里叶变换在数据信号分析、图象剖析、结构生物学等行业的运用，变成应用数学和工程项目行业的大事件之一。FFT 在编码中的运用现有很数次，近年来一个时兴的计划方案是 FFTW，被觉得是全世界更快的 FFT。

韦德 · 拉塞尔是美国加州的劳伦斯伯克利国家级实验室分子结构生物物理学和综合性微生物显像单位的负责人，他追忆称，当他在 1995 年改善病菌蛋白质疑胶的构造时，即便 应用 FFT 和非常计算机，也必须 “许多 个钟头，乃至数日”的测算。“假如在沒有 FFT 的状况下试着做这种，我也不知道在实际中应当怎样保证，”他说道，“那很有可能要花很长期。”

分子结构著录：微生物数据库（1965 年）

数据库是现如今科学研究研究中必不可少的构成部分，以致于大家非常容易忘掉他们也是由手机软件驱动器的。以往的几十年中，数据库資源的经营规模大幅度澎涨，危害了很多行业，但也许沒有哪一个行业的转变会比分子生物学行业更引人注意。

▲蛋白质数据库 Protein Data Bank 有着超出 17 万只分子式的档案资料，包含这类病菌的 “表述子”（expressome），其作用是融合 RNA 和蛋白质生成的全过程

今日，生物学家常用的巨大基因和蛋白质数据库来源于美国物理学家马格丽特 · 戴霍夫的工作中，她也是生物信息学行业的先行者。20 新世纪 60 时代初，当科学家们着眼于整理蛋白质的氨基酸序列时，戴霍夫逐渐梳理这种信息内容，以找寻不一样种群中间演变关联的案件线索。她与三位共同编撰的者于 1965 年发布了《蛋白质编码序列和构造图普》，叙述了那时候已经知道的 65 种蛋白质的编码序列、构造和相似度。史学家比埃尔 · 斯特拉瑟在 2010 年写到，它是第一个 “与特殊研究难题不相干”的数据，它将编码数据在开洞卡上，这促使拓展数据库和检索变成很有可能。

别的 “计算机化”的微生物数据库略逊一筹。蛋白质数据库 Protein Data Bank 于 1971 年交付使用，现如今详尽纪录了超出 17 万只大分子式。美国加州大学圣迭戈校区的演变科学家拉塞尔 · 杜利特尔在 1981 年建立了另一个名叫 Newat 的蛋白质数据库。1982 年，美国国立大学环境卫生研究院（NIH）与好几个组织协作，创立了 GenBank 数据库，这是一个对外开放获得的 DNA 编码序列数据库。

这种数据库資源在 1983 年 7 月证实了其存有使用价值。那时候，由纽约帝國癌病研究慈善基金会蛋白质微生物科学家麦克尔 · 沃特芒特领导干部的精英团队，与杜利特尔的精英团队分别单独报导了一个独特的人们细胞生长因子编码序列与一种造成 小猴子出現癌病的病毒感染蛋白质中间的相似度。观查数据显示了一种病毒感染引起恶性肿瘤体制——根据效仿一种细胞生长因子，病毒感染会诱发体细胞不会受到操纵地生长发育。美国我国生物科技网络信息中心（NCBI）前负责人勒布朗詹姆斯 · 奥斯尔说：“这一結果让一些对计算机和统计学没什么兴趣的科学家大脑里灵光一闪：我们可以根据较为编码序列来掌握相关癌病的一些状况。”

奥斯尔还表明，这一发觉意味着 “客观性分子生物学的来临”。除开设计方案试验来认证特殊的假定，研究工作人员还能够发掘云计算平台集，找寻这些具体搜集数据信息的人很有可能从没想起的联络。当不一样的数据联接在一起时，这类能量便会大幅度提高。比如，NCBI 的程序猿在 1991 年根据 Entrez 完成了这一点；Entrez 是一个能够让研究工作人员在 DNA、蛋白质和参考文献中间随意查找和核对的专用工具。

预测分析引领者：大气环流方式（1969 年）

在第二次世界大战完毕时，计算机先行者罗伯特 · 冯 · 诺伊曼逐渐将两年前用以测算弹道轨迹和武器装备设计方案的计算机转为天气预测难题。真锅淑郎表述道，在哪以前，“天气预告仅仅经验型的”，即运用工作经验和判断力来预测分析下面会产生哪些。比较之下，冯 · 诺伊曼的精英团队 “尝试根据物理定律开展标值天气预测”。

美国俄亥俄州普林斯顿的美国我国深海和空气管理处（NOAA）地质工程流体力学试验室的模型系统软件部门负责人 Venkatramani Balaji 表明，几十年来，大家早已熟识这种化学方程。但初期的气象专家没法具体处理这种难题。要保证这一点，必须键入当今的标准，测算他们在短期内里会怎样转变，并持续反复。这一全过程十分用时，以致于在天气情况具体出現以前还没法进行数学运算。1922 年，一位数学家刘易斯 · 弗莱 · 理查森花了好多个月计算时间德国慕尼黑的 6 钟头气象预报。依据一段历史时间记述，他的結果是 “极不精确的”，包含 “在一切已经知道的陆上标准下都不太可能产生的”预测分析。计算机使这个问题越来越非常容易处理。

20 新世纪 40 时代末，冯 · 诺伊曼在普林斯顿高研究院创建了天气预告精英团队。1955 年，第二个精英团队——地质工程流体力学试验室——逐渐开展他说白了的 “无尽预测分析”，也就是气侯模型。

真锅淑郎于 1958 年添加气侯模型精英团队，逐渐研究空气实体模型；他的朋友格雷戈里 · 布莱恩将这一实体模型运用在深海研究中。1969 年，她们取得成功将二者融合起來，造就了《自然》杂志期刊在 2006 年常说的计算机的应用 “里程碑式”。

今日的实体模型能够将地球大气层区划为一个个 25 千米 ×25 千米的方形，并将地球大气层区划为数十层。比较之下，真锅淑郎和布莱恩的深海 – 空气协同实体模型区划的总面积为 500 平方千米，将空气分成 9 个层级，只遮盖了地球上的六分之一。即便如此，Venkatramani Balaji 表明，“这一实体模型做得非常好”，使研究精英团队第一次可以根据计算机预测分析二氧化碳成分升高的危害。

数字运算机：BLAS（1979 年）

计算机的应用一般 牵涉到应用空间向量和引流矩阵开展相对性简易的数学运算，但那样的空间向量和引流矩阵确实太多了。但在 20 新世纪 70 年代，都还没一套广泛认同的计算方法来实行这种计算。因而，从业科学研究工作中的程序猿会将時间花在设计方案高效率的代码来开展基础的数学运算，而不是致力于关键问题。

▲美国加州的奥利弗利弗莫尔国家级实验室的 Cray-1 高性能计算机。在 BLAS 编程工具于 1979 年面世以前，并沒有离散数学规范可供科学研究工作人员在 Cray-1 高性能计算机等设备上工作中

程序编写全球必须一个规范。1979 年，那样的规范出現了：基础离散数学程序流程集（Basic Linear Algebra Subprograms，通称 BLAS）。这是一个运用第三方接口（API）规范，用于标准公布基本离散数学实际操作的标值库，如矢量素材或矩阵乘法。该规范一直发展趋势到 1990 年，为空间向量数学课和之后引流矩阵数学定义了数十个基础方法。

美国田纳西大学电子计算机生物学家、BLAS 开发设计精英团队组员伊丽莎白斯旺 · 唐加拉表明，实际上，BLAS 把引流矩阵和空间向量数学课简单化变成和加减法和加减法一样基础的测算模块。

美国得克萨斯州高校奥斯汀校区的电子计算机生物学家 Robert van de Geijn 强调，BLAS“很有可能是为计算机的应用界定的最重要的插口”。除开为常用函数出示规范化的名字以外，科学研究工作人员还能够保证根据 BLAS 的代码在一切电子计算机内以同样方法工作中。该规范还使电子计算机生产商可以提升 BLAS 的安裝开启，以完成在其硬件配置上的迅速实际操作。

40 很多年来，BLAS 意味着了计算机的应用局部变量的关键，也就是使科学研究手机软件运行的代码。美国乔冶 · 加州大学的机械设备和航天航空技术工程师洛雷娜 · 巴尔巴称其为 “五层代码中的机械设备”。而伊丽莎白斯旺 · 唐加拉说：“它为大家的测算出示了基本构造。”

光学显微镜必不可少：NIH Image（1987 年）

20 新世纪 80 时代初，程序猿韦恩 · 拉斯班德在马里兰州贝塞斯达的美国国立大学环境卫生研究所的脑显像试验室工作中。该试验室有着一台扫描机，能够对 X 光片开展智能化解决，但没法在电脑上表明或剖析。因此，拉斯班德写了一个程序流程。

这一程序流程是专业为一台使用价值 15 万美金的 PDP-11 小型计算机设计方案的，它是一台安裝在铁架子上的电子计算机，显而易见不宜本人应用。随后，在 1987 年，美国苹果公司公布了 Macintosh II，这是一个更友善、更性价比高的挑选。拉斯班德说：“我认为，这显而易见是一种更强的试验室图象数据分析系统。”他将手机软件迁移到新的服务平台上，并重命名，创建了一个图象剖析生态体系。

NIH Image 以及事后版本号使科学研究工作人员能在一切电子计算机上查询和量化分析基本上一切图象。此软件系列产品包含 ImageJ，一个拉斯班德为 Windows 和 Linux 客户撰写的根据 Java 的版本号；及其 Fiji，它是 ImageJ 的派发版，由法国德累斯顿的马克斯普朗克分子结构细胞生物学和细胞生物学研究室的 Pavel Tomancak 精英团队开发设计，在其中包含重要的软件。“ImageJ 毫无疑问是大家所有着的最基本的专用工具，”布洛德研究室（由麻省理工大学和美国哈佛大学协同开创）显像服务平台的测算科学家贝丝 · 契米妮说，“我从来没有和一个应用过光学显微镜，但沒有应用过 ImageJ 或 Fiji 的科学家说过话。”

▲ImageJ 专用工具在软件的协助下，能够自动检索光学显微镜图象中的细胞质

拉斯班德表明，一部分缘故可能是这种专用工具是完全免费的。但威斯康星大学巴特里校区的生物医学工程技术工程师 Kevin Eliceiri 强调，另一个缘故是客户能够非常容易地依据自身的要求订制专用工具。自拉斯班德退休后，Kevin Eliceiri 的精英团队一直领导干部着 ImageJ 的开发设计。ImageJ 出示了一个看起来简易、极简风格的操作界面，自 20 新世纪 90 时代至今大部分沒有更改。殊不知，因为其内嵌的宏监控软件（容许客户根据纪录鼠标单击和莱单挑选的编码序列来储存工作流引擎）、普遍的格式文件兼容模式和灵便的软件构架，该专用工具具备无尽的扩展性。该精英团队的程序编写负责人柯蒂斯 · 鲁登表明，有 “数以千计的人”为 ImageJ 奉献了软件。这种新加上的作用巨大拓展了科学研究工作人员的工具箱，比如在视頻中追踪目标或自动检索细胞的功能。

Kevin Eliceiri 说：“这一程序流程的目地并不是保证一切或结束一切，只是服务项目于客户的总体目标。不象 Photoshop 和别的程序流程，ImageJ 能够变成你要想的任何东西。”

编码序列搜索器：BLAST （1990 年）

很有可能没什么比得上把软件名称变为形容词更能表明文化艺术的关联性了。提及检索，你能想起Google；而提及细胞生物学，学者会马上想起 BLAST。

根据例如取代、删掉、缺少和重新排列等方法，微生物将演变中的更改蚀刻加工在分子结构编码序列中。找寻编码序列中间的相似度——尤其是蛋白中间的相似度——能够让科学研究工作人员发觉演变关联，并深入了解基因功能。在快速澎涨的分子结构信息内容数据库查询中，要想迅速而精确地保证这一点并不易。

马格丽特 · 戴霍夫在 1978 年出示了重要的进度。她设计方案了一种 “点接纳突然变化”引流矩阵，使科学研究工作人员不但能够依据二种蛋白编码序列的类似水平，还能够依据进化距离来为评定他们的亲缘关系。

1985 年，弗吉尼亚高校的斯伯里 · 皮尔森和 NCBI 的彼得 · 利普曼引进了 FASTP，它是一种融合了戴霍夫引流矩阵和快速查询工作能力的优化算法。

多年后，利普曼与 NCBI 的沃伦 · 吉什和史蒂芬 · 阿特舒尔，宾夕法尼亚莱斯大学的韦伯 · 斯泰格，及其亚利桑那大学的里乌斯 · 迈尔斯一起开发设计了一种更强劲的改善技术性：BLAST（Basic Local Alignment Search Tool）。BLAST 公布于 1990 年，将解决持续增长的数据库查询需要的检索速率，与获取演变上更加漫长的配对結果的工作能力融合起來。此外，该专用工具还能够测算出这种配对产生的几率。

阿特舒尔表明，数值出去得十分快，“你能键入检索內容，喝一口现磨咖啡，检索就完成了。”但更关键的是，BLAST 非常容易应用。在一个根据邮递升级数据库查询的时期，沃伦 · 吉什创建了一个邮件系统，之后又创建了一个根据互联网的构架，容许客户在 NCBI 电子计算机上远程控制运作检索，进而保证百度搜索自始至终是全新的。

美国哈佛大学的测算科学家瓦莱丽 · 艾迪表明，BLAST 系统软件为那时候处在萌芽期环节的基因分子生物学行业出示了一个变革性的专用工具，即一种依据有关遗传基因找到不明遗传基因很有可能作用的方式。针对全国各地的转录组测序试验室，它还出示了一个新奇的形容词。“它是诸多由专有名词变为形容词的事例之一，”艾迪说，“你能说，你正提前准备 BLAST 一下你的编码序列。”

预印本服务平台：arXiv.org （1991 年）

20 新世纪 80 时代末，较高能科学家常常将她们已文章投稿的毕业论文稿件团本邮递给同行业，征询她们的建议——但只发送给少数人。科学家韦德 · 金斯帕格在 2017 年写到：“处在食物网较低部位的人取决于一线学者的成效，并非精锐组织中有理想的科学研究工作人员则通常置身权利圈之外。”

1991 年，那时候在新墨西哥州洛斯阿拉莫斯国家级实验室工作中的金斯帕格撰写了一个电子邮箱自动重拨程序流程，期待创建一个公平公正的市场竞争自然环境。定阅者每日都是会接到预印本目录，每一篇都和文章内容标志符关联。只需根据一封电子邮件，世界各国的客户就可以从试验室的计算机软件中递交或查找毕业论文，并得到新毕业论文的目录，或按创作者或题目开展检索。

▲arXiv 创立己经 30 年，有着约 180 万分预印本，全部免费出示，并且每月有超出 1.5 万分毕业论文递交，注册量达 3000 一万次

金斯帕格的方案是将毕业论文保存三个月，并将內容限定在高能物理学术界。但一位朋友说动他无期限地保存这种文章内容。他说道：“就在那一刻，它从公告板变成了档案室。”因此，毕业论文逐渐从比各行各业如席卷而来涌来。1993 年，金斯伯格将这一系统迁移到互联网技术上，并在 1998 年将其取名为 arXiv.org，沿用。

arXiv 创立己经 30 年，有着约 180 万分预印本，全部免费出示，并且每月有超出 1.5 万分毕业论文递交，注册量达 3000 一万次。十年前，《自然 – 光子学》（Nature Photonics）的编写在评价 arXiv 开创 20 周年纪念时写到：“可以看出为何 arXiv 的服务项目会这般火爆，这一系统软件让科学研究工作人员能迅速而便捷地面插座上旗子，表明她们所做的工作中，另外防止文章投稿传统式同行评议刊物时的不便和经济成本。”

arXiv 网址的取得成功也推动了分子生物学、医药学、社会心理学和别的课程类似预印本网址的兴盛。在现如今已出版发行的数万份有关新冠病毒的预印本中就可以见到这类危害。“很高兴见到 30 年以前在颗粒物理学界以外被觉得是异端的方式，如今被广泛认为是平平常常和顺理成章的，”金斯伯格说，“从这一实际意义上说，它如同一个取得成功的科学研究新项目。”

数据信息电脑浏览器：IPython Notebook （2011 年）

2001 年，恩里克 · 佩雷斯還是一位期待 “找寻拖延症”的硕士研究生，那时候他决策选用 Python 的一个关键部件。

Python 是一种解释型语言，这代表着程序流程是一行行实行的。程序猿能够应用一种称之为 “载入 – 评定 – 复印循环系统”（read–evaluate–print loop，通称 REPL）的测算启用和回应专用工具，在这其中键入代码，随后由编译器实行代码。REPL 容许迅速探寻和迭代更新，但佩雷斯强调，Python 的 REPL 并并不是为科学研究目地而搭建的。比如，它不允许客户便捷地预加载代码控制模块，也不允许开启大数据可视化。因而，佩雷斯自身撰写了另一个版本号。

結果便是 IPython 的问世，这是一个 “互动式”Python 编译器，由佩雷斯在 2001 年 12 月发布，现有 259 行代码。十年后，佩雷斯与科学家布莱恩 · 分位数回归和一位数学家埃文 · 帕特森协作，将该专用工具转移到 web 电脑浏览器上，发布了 IPython Notebook，打开了一场数据信息科学革命。

与别的测算型 Notebook 一样，IPython Notebook 将代码、結果、图型和文字合拼在一个文本文档中。但与别的相近新项目不一样的是，IPython Notebook 是开源系统的，邀约了很多开发者平台的参加在其中。并且它适用 Python，一种很受生物学家热烈欢迎的語言。2014 年，IPython 演化为 Jupyter，适用大概 100 种語言，容许客户在远程控制高性能计算机上探寻数据信息，如同在自身的笔记本上一样轻轻松松。

《自然》杂志期刊在 2018 年写到：“针对大数据工程师，Jupyter 事实上早已变成一个规范。”那时候，在 GitHub 代码数据共享平台上面有 250 万只 Jupyter Notebook；如今，这一数据早已发展趋势到 1000 万只，在 2016 年引力波的发觉，及其 2019 年的超级黑洞显像工作上，他们都充分发挥了关键的功效。斯蒂法诺说：“大家对这种新项目作出了不大的奉献，它是十分非常值得的。”

如何快速学习器：AlexNet（2012 年）

人工智能有二种种类。一种是应用编码规则，另一种则根据仿真模拟人的大脑的神经系统构造来让电子计算机 “学习培训”。加拿大多伦多大学的电子计算机生物学家杰弗里 · 辛顿表明，几十年来，人工智能科学研究工作人员一直觉得后面一种是 “一派胡言”。但在 2012 年，他的硕士研究生亚力克斯 · 克里泽夫斯基和库迪亚 · 苏茨克维证实了客观事实并不是这样。

在一年一度的 ImageNet 赛事中，科学研究工作人员被规定在一个包括 100 引马镇日常物件图像的数据库查询中训炼人工智能，随后在一个独立图像集在检测形成的算法。辛顿表明，那时候最好是的算法不正确归类了大概四分之一的图像。克里泽夫斯基和苏茨克维的 AlexNet 是一种根据神经元网络的 “深度学习”算法，它将差错率减少到 16%。辛顿说：“大家大部分把差错率递减了，换句话说基本上递减了。”

辛顿还强调，该精英团队在 2012 年的取得成功体现了充足大的训炼数据与优异的程序编写，及其新出現的图型控制部件的强劲工作能力的融合。图型控制部件是最开始设计方案用于加快电子计算机视頻特性的CPU。“忽然间，我们可以将（算法）运作速率提升 30 倍，”他说道，“换句话说，学习培训高达 30 倍的数据信息。”

真实的算法提升事实上产生在三年前，那时候辛顿的试验室建立了一个神经元网络，能够比历经几十年改善的传统式人工智能更精确地识别语音。“仅仅略微好一点，”辛顿说，“但这早已预兆了一些物品。”

这种取得成功预兆着深度学习在试验室科学研究、临床医学专业和别的行业的兴起。根据人工智能的深度学习，手机上可以了解视频语音查看，图像分析工具可以非常容易地在显微照片中鉴别出体细胞；这就是为何 AlexNet 会变成诸多从源头上更改科学研究，也改变命运的专用工具之一。