我們開發了壹個系統，可以自動檢測考生是否作弊，比如偷看手機，給隔壁考生發答案，從片中人物的手勢、骨骼、視線等。通過在設備中使用深度學習而不是雲，該系統可以覆蓋不知情的候選人的面部，同時考慮到候選人的隱私，並有助於檢測作弊。
由於該系統不需要安裝大型設備，只需要在現場使用電腦終端設備和攝影鏡頭，就可以自動監控大範圍來輔助考官。作弊檢測AI可以兼顧隱私，更好地輔助視覺監考的考官，同時為所有考生提供更公平的考試環境。
深度學習的硬件加速放緩，脈動陣列給世界帶來了巨大的加速增長2017。我們不能指望2019的計算能力會有大幅度的提升。
NVidia的圖靈核心只比Volta的核心快壹點點。谷歌的TPUv3系統現在使用液冷，比以前的產品密度更大。我覺得2019不會有什麽大的結構性提升，所以不要像往年那樣增加太多。
總結如下:
但我們會看到，GraphCore和Gyrfalcon的新架構避免了內存傳輸的功耗，支持稀疏運算，但深度學習格式需要改變以適應這些新架構，需要新的硬件研究，這是受生物學納米意向性的啟發。