人工智能持续展现其惊人的数据筛选能量。NVIDIA近期表示，该公司致力于新药开发的合作伙伴benevolent.ai，藉由内建GPU训练系统的人工智能计算机，在短短一个月内，便找出两种阿兹海默症药物的模型。明显增进科学家研究效率，为医疗体系的智慧化再添动能。

研究机构IDC指出，到了2020年，80%的大数据与分析部署，将需要分布式的微分析，而有40%的公司分析软件中，将会包含基于认知运算功能的标准型分析。上述趋势，皆需要在现有运算能力上，有戏剧性的突破，而其很有可能将会由GPU来作驱动。

NVIDIA 解决方案工程架构经理康胜闵表示，NVIDIA在五年前开始投入深度学习领域，将影片、图片、文字，透过深度学习的过程，让计算机学习到如何判断事物、场景。不过，这些判断工作都有赖于很好的运算效能，因此，NVIDIA运用GPU技术来对深度学习作加速运算。

NVIDIA近期在与医疗体系的合作有所斩获。康胜闵表示，医院有非常多图像，例如X光片、扫描后的各种影像，过往这些影像都是全权交给医生做来判读，如果能有一个系统能辅助医生作更精准的判读，便可能提早发现病因，因此深度学习的导入，让开发人员已开始作相关研究。

不仅如此，康胜闵也同时指出英国新创公司benevolent.ai的案例。过往新药开发需要非常长的时间，约为12～14年左右，以及庞大的经费。其中，很重要的一点是在于，找出新药的模型（Pattern）。透过在大规模数据中，将辨认模型自动化，科学家得以更快的设下假设、找出结论，其自动化所带来的速度，比任何人类研究员都还要快。藉由内建GPU训练系统的人工智能计算机，科学家目前在短短一个月内，便找出两种阿兹海默症药物的模型。

而在乳癌检测的部分，则须要进行基因检测来确定是否适合作治疗，不过此一测试的成本相当高。美国凯斯西储大学采用深度学习，发展了一套乳癌检测的自动化评估机制，其检测成本只有现有方法的1/20。康胜闵进一步表示，当人工智能围棋程序AlphaGo可以在几秒内，做出下棋决策并执行，我们发现到，生活中还有许多事情，可以透过深度学习的训练，帮助人类达到更好的发展。

他举例，Tesla自驾车系统亦是深度学习架构下的重要产物。其透过内建GPU的计算机，对后端系统进行训练，让车子有能力判断哪里有障碍物须要避开、路面上的线画在什么地方，有突发状况的时候，应如何去闪避等，来达到自动驾驶的功能。