近年来，人工智能是由一种称为深度学习的学习方法驱动的，该方法中，计算机可以自动发现大量数据中的数据特征，而无需人工触摸。这种深度学习通常由GPU处理，GPU是专门用于以计算机游戏为代表的实时图像处理的处理器。但是，莱斯大学的研究人员联合开发了用于CPU的软件，其深度学习的速度比GPU快15倍。
深度学习是一种学习方法，其中机器自动执行数据中的模式或规则的发现，功能设置和学习。它已经成为引领图像识别，翻译和自动驾驶等领域的技术，因为它可以克服人类识别和判断的局限性，而不是人类发现模式或规则所必须采取的现有方法。
原则上，深度学习执行矩阵整合运算。同时，为图形处理而开发的GPU是一种执行移动或旋转三维图形多边形的矩阵集成操作的计算设备。换句话说，由于GPU专用于冗余操作，因此最近它们被用作深度学习的最佳处理器。
但是，存在GPU昂贵的问题。为了解决这个问题，莱斯大学的研究人员关注了深度学习算法本身，该算法目前需要矩阵积分运算。研究团队将深度学习学习视为可以在哈希表中解决的搜索问题，并开发了SLIDE（子线性深度学习引擎），该算法针对CPU本身进行了优化。这张幻灯片说明了它比基于GPU的学习表现更好。
研究团队强调，使用CPU进行机器学习在成本方面具有优势，因为CPU是计算中最流行的硬件。忠实于矩阵运算的SLIDE的使用，其指令速度比带CPU的GPU快4至15倍。相关信息可以在这里找到。