首先，问题就有问题。 人工智能的研究既基于算法，又需要硬件。 NVIDIA每年更新显卡都不只是更新gtx 680、gtx780…

首先，问题就有问题。

　　人工智能的研究既基于算法，又需要硬件。

　　NVIDIA每年更新显卡都不只是更新gtx 680、gtx780…gtx1080这些游戏显卡。如果你对人工智能、支持向量机、卷积神经网络等有了解，那你应该知道每次NVIDIA发布新卡都会有丽台的卡，价格比游戏显卡昂贵，从丽台 p100到p4000到现在的丽台GV100。每一次更新其计算能力都发生了飞跃。

　　那么问题来了，为啥研究人工智能就研究算法而不做硬件？其实这两方面都有人做，各司其职，做算法的人研究如何运用卷积神经网络进行识别，面对爆炸的信息量如何最大化榨取处理器的计算能力。而做硬件的行业操心如何能让其核心拥有更强大的计算单元，更低的功耗。

　　现在，人工智能面临的问题不是快和慢，而是有些事情做不到。

　　根据现有的计算理论：即使把神经元近似的实现为一些计算芯片，即使用CMOS的方式搭出一个神经网络，它的计算能力和用软件写出来的卷积神经网络并没有本质的区别。

　　目前人工智能发展的困难不在于是否用硬件实现，而在于算法。

　　举个不恰当的例子，要想让马儿跑，得先让马儿走起来再说，现在马儿连站都站不起来，谈何马儿跑。

　　关于详细的如何选择，选择哪方面的研究，以及国内外领先的的课题组和相应的研究，我想，这个论文调研需要自己动手做才更深刻。我的导师常跟我说：“授人以鱼不如授人以渔”。希望你能学到点什么。