จุดเปลี่ยนของ AlexNet ในปี 2012 อาศัยวิศวกรรม GPU ระดับต่ำ (cuda-convnet) และสถาปัตยกรรมแบบแยก GPU คู่ ซึ่งจุดชนวนการแข่งขันอย่างรวดเร็วเพื่อสร้างโมเดลคอมพิวเตอร์วิทัศน์ที่ลึกขึ้นและมีประสิทธิภาพมากขึ้นโดยตรง
ตั้งแต่ปี 2015 จนถึงปัจจุบัน การเรียนรู้เชิงลึกพัฒนาจากโค้ด GPU ภาษา C++ ที่ปรับแต่งด้วยมือและเครือข่ายคอนโวลูชัน ไปสู่เอนจินเมทริกซ์ที่เร่งด้วยฮาร์ดแวร์และสถาปัตยกรรม Transformer หลักชัยสามประการนี้กำหนดวิธีที่โมเดล AI
Transformer สมัยใหม่พึ่งพาคณิตศาสตร์เมทริกซ์ของ Self-Attention คอมไพเลอร์ GPU ระดับสูงอย่าง Triton และเคอร์เนล CUDA ที่คำนึงถึงหน่วยความจำอย่าง FlashAttention เพื่อประมวลผลลำดับโทเค็นขนาดมหาศาลด้วยความเร็วสูงสุดของฮาร์ดแ
CUDA (Compute Unified Device Architecture) คือแพลตฟอร์มการคำนวณแบบขนานและโมเดลการเขียนโปรแกรมของ NVIDIA ที่ช่วยให้เฟรมเวิร์กการเรียนรู้เชิงลึกสามารถรันการคำนวณทางคณิตศาสตร์หนัก ๆ บน GPU ได้ ด้วยการกระจายการดำเนินการอิสระ
นักวิจัย AI เริ่มตระหนักถึงข้อได้เปรียบด้านประสิทธิภาพอันมหาศาลของ CUDA สำหรับโครงข่ายประสาทเทียมระหว่างปี 2006 ถึง 2009 โดยความสำเร็จที่ชัดเจนในระดับกระแสหลักเกิดขึ้นในปี 2012 ก่อนการเปลี่ยนแปลงนี้ โครงข่ายประสาทเทียมถู
ในปี 2012 ความสำเร็จของ AlexNet พิสูจน์ว่าโครงข่ายประสาทเทียมลึกที่จับคู่กับ GPU ที่รองรับ CUDA สามารถเหนือกว่าวิศวกรรมคอมพิวเตอร์วิทัศน์แบบดั้งเดิมหลายทศวรรษ ในการแข่งขัน ImageNet Large Scale Visual Recognition Challeng
Life360 ได้เปิดแพลตฟอร์ม Family Intelligence ให้กับผู้ช่วย AI บุคคลที่สาม ซึ่งช่วยให้ตัวแทนที่เชื่อมต่อสามารถสืบค้นข้อมูลจากบริการระบุตำแหน่งของครอบคร