Google在2012年的时候，曾经推出了"教自己识别喵星人"的人工神经网络；但是在Nvidia和斯坦福大学所创建的新网络面前，前者就像是一个傻瓜。新的大规模神经网络，采用了Nvidia的GPU集群，其处理能力要比Google强上6.5倍。此外，Google的系统依赖于1000台服务器，而Nvidia和斯坦福大学的替代方案，只用到了16台。

这么算来，让Nvidia搭建与Google去年的网络性能相当的系统，只需要用到3台服务器。这家搜索巨头的数据处理，依赖于超千台服务器、总共16000颗的CPU核心。

这意味着，采用Nvidia GPU加速的集群(11.2 billion parameter)，其占地要小得多。

十六台服务器中的每一个，都配备了两路四核处理器、以及4颗Nvidia GeForce GTX 680 GPU，每路CPU还分配了4GB的内存；一个FDR In niband适配器则用于各个服务器的低延迟通信。

诚然，一块GTX 680加速卡的价格高达400美元，对于大多数人来说，它还算不上是一个"便宜的超级计算机"。

新网络是斯坦福人工智能研究院Andrew Ng的作品，他也曾为Google去年的千台"逗猫集群"的开发工作过。

该系统采用了与人类大脑活动流程相同的建模方式，能够识别出一只猫是什么样子的，然后将这些知识应用于发现多个YouTube视频里的喵星人。

虽然这听起来似乎很容易，但是让电脑识别模糊的动物或对象模型的逻辑依然模糊——比如，喵星人有多种毛色和花纹，根据有限的例库中的图片来推断识别——仍然相当困难。

Ng和Google团队向"神经网络"展示了数以百万计的图像，以为其建立起在未来辨认出喵星人的能力。