却是让伯克利大学之前机器学习的效率提升了十五倍！
也正是如此，这种概率程序语言在机器学习研究职员中变得无比风靡起来，从而也让从很早就开真个逻辑算法的人工智能变得黯淡起来。
基于逻辑的人工智能遮蔽了感知问题，而懂得感知的原理是解开智能之谜的金钥匙——感知是属于那类对于人很轻易而机器很难控制的东西。
逻辑是纯粹的，传统的象棋机器人也是纯粹算法化的，但现实世界却是布满了不断定性。
这也意味着很早就变成主流的基于逻辑的人工智能注定变得前途黯淡。
而此时的深度学习的泰斗级人物yannle前年的时候发表了开创性的论文《基于梯度学习的文档辨认方法》，他此时也是折腾出了深度学习模型。
这位家伙为了证实自己的示例在论文里面做出了以下声明——
要在gpu上运行这个示例，首先得有个性能良好的内存至少要1gb。假如显示器连着gpu，可能需要更多内存。当gpu和显示器相连时，每次gpu函数调用都有几秒钟的时限。这么做是必不可少的，由于目前的gpu在进行运算时无法持续为显示器服务。假如没有这个限制，显示器将会冻结太久