做為全球最重要晶片廠商之一，Intel 積極布局物聯網、人工智慧與邊緣運算相關策略和產品線。從 CES 2018 開始，Intel 便推出許多邊緣運算相關展示，例如與多家廠商合作智慧家庭產品，包括京東新一代語音助理京東叮咚 PLAY，內含 Intel Atom 處理器，除了具備語音辨識能力外，亦可直接從裝置執行臉部辨識。
Google 旗下的人工智慧（AI）公司「DeepMind」，研發出 AI 科技，可以從 3D 視網膜掃描片上，辨識 50 多種眼部疾病。由於 AI 判斷極為準確，早期測試結果甚至勝過訓練有素的人類醫生，未來計劃用於臨床治療。
Business Insider、金融時報報導，DeepMind 攜手英國倫敦知名的摩爾眼科醫院（Moorfields Eye Hospital），13 日在醫學期刊《Nature Medicine》發布共同研究成果，宣稱 DeepMind 演算法能夠正確辨識青光眼、黃斑部病變等疾病，並建議是否需要緊急治療，避免視力喪失。
文章指出，摩爾眼科提供近 1.5 萬份的 3D 視網膜掃描片，由人類醫生先標記出病變區域，AI 再從此一資料庫中學習。初步結果顯示，以 997 張掃描片做比較，演算法建議轉診的準確度，超過摩爾眼科醫院的 8 名視網膜專家。AI 錯誤率只有 5.5%，專科醫生的錯誤率則在 6.7%~24.1% 之間。如果專科醫生取得病患的相關訊息，錯誤率可降至 5.5%~13.1%，僅和 AI 打平而已。
眼科醫生 Pearse Keane 是論文共同撰寫者之一，他說結果好到讓人「嚇到下巴掉下來」，未來 3 年內，AI 可望在英國國家醫療系統NHS使用。DeepMind Health 主管 Dominic King 指出，該公司也和倫敦大學學院醫院（University College London Hospitals）合作，學習判讀放射線掃描片；並和倫敦帝國學院（Imperial College London）結盟，學習判讀乳房攝影（Mammograms）結果，未來可能會在醫療領域上更加廣泛使用 AI。
以往的網路架構搜尋方法中，模型的執行速度通常借助另一種指標參考（比如考慮裝置的每秒運算數目），而 Google Brain 此次透過在給定的裝置上執行模型，直接測量模型的執行時間長短；研究使用的就是自家 Pixel 手機，可直接測量模型在真實環境執行時的具體表現，尤其不同型號的行動裝置有不同的軟硬體屬性，僅憑運算速度這項指標無法概括全部情況；為了達到準確率和執行速度之間的最佳平衡，所需的模型架構也有不同。
Google Brain 方法的總體流程主要由 3 個部分組成：一個基於 RNN 的控制器用於學習模型架構並取樣，一個訓練器用於構建模型並訓練模型得到準確率，還有一個推理引擎，會在真實手機上透過 TensorFlow Lite 執行模型、測量模型的執行速度。他們把工作公式化為一個多目標最佳化問題，最佳化過程中得以兼顧高準確率和高執行速度；使用的強化學習演算法有個自訂回饋函數，可在不斷探索時找到帕累托最優的解決方案（如不斷提升模型準確率，同時不讓執行速度降低）。
