人工智慧持續展現其驚人的數據篩選能量。NVIDIA近期表示，該公司致力於新藥開發的合作夥伴benevolent.ai，藉由內建GPU訓練系統的人工智慧電腦，在短短一個月內，便找出兩種阿茲海默症藥物的模型。明顯增進科學家研究效率，為醫療體系的智慧化再添動能。
研究機構IDC指出，到了2020年，80%的大數據與分析部署，將需要分散式的微分析，而有40%的公司分析軟體中，將會包含基於認知運算功能的標準型分析。上述趨勢，皆需要在現有運算能力上，有戲劇性的突破，而其很有可能將會由GPU來作驅動。
NVIDIA 解決方案工程架構經理康勝閔表示，NVIDIA在五年前開始投入深度學習領域，將影片、圖片、文字，透過深度學習的過程，讓電腦學習到如何判斷事物、場景。不過，這些判斷工作都有賴於很好的運算效能，因此，NVIDIA運用GPU技術來對深度學習作加速運算。
NVIDIA近期在與醫療體系的合作有所斬獲。康勝閔表示，醫院有非常多圖像，例如X光片、掃描後的各種影像，過往這些影像都是全權交給醫生做來判讀，如果能有一個系統能輔助醫生作更精準的判讀，便可能提早發現病因，因此深度學習的導入，讓開發人員已開始作相關研究。
不僅如此，康勝閔也同時指出英國新創公司benevolent.ai的案例。過往新藥開發需要非常長的時間，約為12～14年左右，以及龐大的經費。其中，很重要的一點是在於，找出新藥的模型(Pattern)。透過在大規模數據中，將辨認模型自動化，科學家得以更快的設下假設、找出結論，其自動化所帶來的速度，比任何人類研究員都還要快。藉由內建GPU訓練系統的人工智慧電腦，科學家目前在短短一個月內，便找出兩種阿茲海默症藥物的模型。
而在乳癌檢測的部分，則須要進行基因檢測來確定是否適合作治療，不過此一測試的成本相當高。美國凱斯西儲大學採用深度學習，發展了一套乳癌檢測的自動化評估機制，其檢測成本只有現有方法的1/20。康勝閔進一步表示，當人工智慧圍棋程式AlphaGo可以在幾秒內，做出下棋決策並執行，我們發現到，生活中還有許多事情，可以透過深度學習的訓練，幫助人類達到更好的發展。
他舉例，Tesla自駕車系統亦是深度學習架構下的重要產物。其透過內建GPU的電腦，對後端系統進行訓練，讓車子有能力判斷哪裡有障礙物須要避開、路面上的線畫在什麼地方，有突發狀況的時候，應如何去閃避等，來達到自動駕駛的功能。
