项目负责人之一Andrew称：“我们没有像通常做的那样自己框定边界，而是直接把海量数据投放到算法中，让数据自己说话，系统会自动从数据中学习。”另外一名负责人Jeff则说：“我们在训练的时候从来不会告诉机器说：‘这是一只猫。’系统其实是自己发明或者领悟了“猫”的概念。”
深度学习和谷歌TPU的由来
谷歌曾将在2016年提出TPU的概念，也即Tensor Processing Unit（张量处理单元）。TPU是谷歌自主研发的一种转为AI运算服务的高性能处理器，其第一代产品已经在AlphaGo这样的人工智能当中使用，主攻运算性能。TPU的灵感来源于Google开源深度学习框架TensorFlow。
GPU 是理想的深度学习芯片，因为复杂的深度学习网络需要同时进行数百万次计算。Google 使用 Nvidia GPU，但这还不够，他们想要更快的速度。他们需要更高效的芯片。单个 GPU 耗能不会很大，，但是如果 Google 的数百万台服务器日夜不停地运行，那么耗能会变成一个严重问题。谷歌决定自己造更高效的芯片。
在今年的Google I/0 2018大会上，谷歌发布了新一代TPU处理器——TPU 3.0。TPU3.0采用8位低精度计算以节省晶体管，速度能加快最高100PFlops(每秒1000万亿次浮点计算)。
在7月份的谷歌云全球NEXT大会上，谷歌首席科学家李飞飞宣布谷歌TPU正式进入谷歌云，现在是基于云的TPU 3.0 的alpha版。在大会上，李飞飞提到机器学习当前处于极端的环境，一方面像TensorFlow这样的工具，可以使用自定义的方式建立解决方案。
