央廣網瀋陽1月23日消息東北大學渾南校區資訊學館， 電腦科學與工程學院學生蔣承知的腳下， 一個小小的、如螃蟹般的機器人緊緊地跟隨著他， 寸步不離， 正在對他的行為進行“深度學習”， 蔣承知則仔細地檢查著機器人的各項參數， 並進行詳細記錄。
由東北大學本科生蔣承知、于起、葉文強、甘淞元組成的創新團隊， 將現場可程式設計閘陣列FPGA神經晶片運用於人工智慧深度學習領域， 採用卷積神經網路， 嘗試在晶片中模仿人腦以大規模的平行方式處理資訊， 目前專案組已成功實現將基於FPGA的神經晶片植入到硬體資源進行深度學習，
深度學習， 通過學習樣本資料的內在規律和深層特徵， 使神經網路結構能夠像人一樣具備分析和自主學習新東西的能力， 尤其是在文字、影像處理、語音辨識、機器翻譯等領域， 已經取得很多成果。 但隨著電子資訊技術的發展， 要求電腦能夠更加“任性”地服務於生活， 需要機器本身能像人一樣識別與感知周圍的環境， 並對複雜的環境做出正確的判斷， 這對電腦深度學習的便捷性和低成本獲取提出了更高的要求。
目前， 深度學習的實現平臺依賴于龐大的CPU/GPU集群， 成本很高， 在現實生活中很難實現和得到運用。 與此同時， 傳統的嵌入式處理設備單片機ARM、DSP都無法實現深度學習的即時處理。
FPGA神經晶片， 作為一款具有現場可程式設計功能的邏輯門電路元件， 有著強大的並行處理資料能力和優勢。 卷積神經網路， 擁有強大的特徵提取能力， 使其在圖像分類識別、目標跟蹤等領域運用廣泛。 蔣承知團隊創新性地將FPGA神經晶片作為能夠實現深度學習的嵌入式處理器， 並把能夠極大提升電腦感知識別周圍環境能力的卷積神經網路演算法應用於基於FPGA的目標跟蹤設備， 使設備運行速度大幅提高。 經過“流片”（即工業化試生產）後， 體積大幅縮小的神經晶片更適合於嵌入式應用， 從而使具備深度學習能力的設備製造成本大大降低。
這項創新技術的運用範圍非常廣泛，