亚历克斯和他的博士生导师杰弗里·辛顿(Geoffrey Hinton)随即被谷歌纳入麾下。2013年，人工智能竞赛冠军之一罗伯·弗格斯(RobFergus）加入了脸书。2014年，谷歌组建了自己的竞赛团队，并火速招募了牛津大学博士生卡伦·西蒙尼扬(Karen Simonyan)，西蒙尼扬最后在当年的竞赛中获得了第二名。2015年，微软研究员何恺明和他的同事获得了比赛大奖。次年，何恺明被脸书聘用。神经网络领域顶尖的研究人员一个接一个地火速加盟了微软、谷歌和脸书新成立的人工智能小组。
这些研究人员加入网络巨头的目的不仅仅是为了识别图像中的物体。亚历克斯的重大研究突破证明了一点：无须告知卷积神经网络要解决什么问题，它就能够通过学习来处理问题。很快，卷积神经网络在手写和语音识别任务上击败了竞争对手。它可以识别视频短片中的动作，并预测接下来会发生什么。
这就是为什么玩雅达利游戏的卷积神经网络比在国际象棋比赛中击败卡斯帕罗夫的算法更令人兴奋的原因。当“深蓝”获胜时，研究人员已经肯定电脑可以在深奥的游戏上打败人类，但他们就此止步。比赛一结束，媒体做完采访，研究人员关掉“深蓝”就回到他们的日常工作中去了。喧嚣过后，一切照旧。
但神经网络的问世带来了截然不同的前景。算法解决了一个又一个问题。苹果在iPhoneX的人脸识别功能中专门使用神经网络识别手机主人的脸。特斯拉在它的汽车视觉系统中使用神经网络来警告司机可能会出现车祸。随着卷积神经网络在视觉问题上取得进步，循环神经网络在语言问题上也取得了类似的成就。通过使用新的神经网络技术，谷歌大大提高
第三部分 人工智能的未来类了吗？
209