（文章來(lái)源：OFweek）

近十年來(lái)，人工智能又到了一個(gè)快速發(fā)展的階段。深度學(xué)習(xí)在其發(fā)展中起到了中流砥柱的作用，盡管擁有強(qiáng)大的模擬預(yù)測(cè)能力，深度學(xué)習(xí)還面臨著超大計(jì)算量的問(wèn)題。在硬件層面上，GPU，ASIC，FPGA都是解決龐大計(jì)算量的方案。本文將闡釋深度學(xué)習(xí)和FPGA各自的結(jié)構(gòu)特點(diǎn)以及為什么用FPGA加速深度學(xué)習(xí)是有效的，并且將介紹一種遞歸神經(jīng)網(wǎng)絡(luò)（RNN）在FPGA平臺(tái)上的實(shí)現(xiàn)方案。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)領(lǐng)域，都屬于人工智能的范疇。深度學(xué)習(xí)主要研究的是人工神經(jīng)網(wǎng)絡(luò)的算法、理論、應(yīng)用。自從2006年Hinton等人提出來(lái)之后，深度學(xué)習(xí)高速發(fā)展，在自然語(yǔ)言處理、圖像處理、語(yǔ)音處理等領(lǐng)域都取得了非凡的成就，受到了巨大的關(guān)注。在互聯(lián)網(wǎng)概念被人們普遍關(guān)注的時(shí)代，深度學(xué)習(xí)給人工智能帶來(lái)的影響是巨大的，人們會(huì)為它隱含的巨大潛能以及廣泛的應(yīng)用價(jià)值感到不可思議。

事實(shí)上，人工智能是上世紀(jì)就提出來(lái)的概念。1957年，Rosenblatt提出了感知機(jī)模型（Perception），即兩層的線性網(wǎng)絡(luò)；1986年，Rumelhart等人提出了后向傳播算法（Back Propagation），用于三層的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使得訓(xùn)練優(yōu)化參數(shù)龐大的神經(jīng)網(wǎng)絡(luò)成為可能；1995年，Vapnik等人發(fā)明了支持向量機(jī)（Support Vector Machines），在分類問(wèn)題中展現(xiàn)了其強(qiáng)大的能力。以上都是人工智能歷史上比較有代表性的事件，然而受限于當(dāng)時(shí)計(jì)算能力，AI總是在一段高光之后便要陷入灰暗時(shí)光——稱為：“AI寒冬”。

然而，隨著計(jì)算機(jī)硬件能力和存儲(chǔ)能力的提升，加上龐大的數(shù)據(jù)集，現(xiàn)在正是人AI發(fā)展的最好時(shí)機(jī)。自Hinton提出DBN（深度置信網(wǎng)絡(luò)）以來(lái)，人工智能就在不斷的高速發(fā)展。在圖像處理領(lǐng)域，CNN（卷積神經(jīng)網(wǎng)絡(luò)）發(fā)揮了不可替代的作用，在語(yǔ)音識(shí)別領(lǐng)域，RNN（遞歸神經(jīng)網(wǎng)絡(luò)）也表現(xiàn)的可圈可點(diǎn)。

而科技巨頭也在加緊自己的腳步，谷歌的領(lǐng)軍人物是Hinton，其重頭戲是Google brain，并且在去年還收購(gòu)了利用AI在游戲中擊敗人類的DeepMind；Facebook的領(lǐng)軍人物是Yann LeCun，另外還組建了Facebook的AI實(shí)驗(yàn)室，Deepface在人臉識(shí)別的準(zhǔn)確率更達(dá)到了驚人的97.35%；而國(guó)內(nèi)的巨頭當(dāng)屬百度，在挖來(lái)了斯坦福大學(xué)教授Andrew Ng（Coursera的聯(lián)合創(chuàng)始人）并成立了百度大腦項(xiàng)目之后，百度在語(yǔ)音識(shí)別領(lǐng)域的表現(xiàn)一直十分強(qiáng)勢(shì)。