亚历克斯使用卷积神经网络将错误率降低到了六分之一。他并没有把需要分类的物体的大小、形状告诉算法，他只是让它学习。在学习了几百万张图片后，算法已经相当出色了。其他方法依赖于人来定义物体的重要特征（如边缘、形状和颜色对比)，而亚历克斯的卷积方法只需要建立好网络，然后把一切交给网络自己去做。
神经网络能够识别人脸，却无法规划全局
2012年的比赛只是卷积神经网络大放异彩的开始。亚历克斯当时还是一名博士生，他使用的电脑仅配置了几张游戏显卡。卷积神经网络技术被各界关注后，其他研究人员就立刻开始对其进行改进，并将更强大的计算机应用到这项技术上。第二年的获奖作品已经能够在识别图片中的物体时做到八次才错一次，到2017年，其错误率已低于2%。谷歌和脸书都开始注意到这一点。他们意识到，卷积神经网络解决了他们业务的核心问题。如果一种算法可以自动识别朋友的脸、我们最喜欢的动物以及我们去过的异国他乡，那么这些公司就可以在进行营销时更好地瞄准我们的兴趣。
被算法操控的生活OUTNUMBERED
208