TrueNorth芯片是最新的科技结晶，未来它将负责深度学习的运行和一系列其他的人工智能服务。而现下运行谷歌，Facebook和微软算法的机器，还需要加装独立的图形处理器，不过他们都在走向FPGA（能就特定任务进行编程的芯片）。Peter Diehl（苏黎世理工大学皮质计算组的博士）认为，TrueNorth要比独立图形芯片和FPGA都要优秀，因为它功耗很低。
密歇根大学计算机科学的教授Jason Mars认为，其主要的不同就在于TrueNorth与深度学习算法的配合可以算得上是天衣无缝。两者都对神经网络进行了深度模拟，并在“大脑中”产生神经元和突触。“芯片可以高效执行神经网络的命令。”他并没有参加试运行，但却密切关注着这一芯片的进展。
即便如此，现下TrueNorth还不能完全与深度学习算法同步。不过IBM已经决定让外部研究人员参与芯片的改进，因为它离真正上市还有一定的距离。对Modha来说，这也是一个必须经历的过程，就像他说的：“我们需要为重大的转变打好坚实的基础。”
手机里的大脑
Peter Diehl最近来中国旅行，但因为一些你懂得的原因他的手机不能使用谷歌，一下子把人工智能打回了原形。因为现在的云计算多数还要靠谷歌的服务器来进行，所以没有了网络，一切都白瞎了。
深度学习需要非常强大的处理能力，一般来说这个级别的处理能力是巨型数据中心才可以提供的，而我们的手机一般通过网络与其相连。而TrueNorth就不同了，它至少可以将部分处理能力搬到你的手机或其他设备上，这样就可以极大的扩展人工智能的使用频率。
不过要理解这些，你首先要理解深度学习是如何工作的。它的运作分为两个阶段，首先谷歌和Facebook之类的公司需要培植自己的神经网络来处理特殊任务。如果他们想要自动识别猫咪照片的功能，就要先让神经网络看一堆猫咪的照片。然后，模式得到训练后，需要让另一个神经网络来执行这一任务。你拿出一张照片，系统就要判断里面是否有猫咪，而TrueNorth存在的目的就是为了提升第二步的效率。
小编推荐阅读
