همکاران سیستم: طبق بررسی های صورت گرفته، سال جدید میلادی نقطه عطفی در تاریخ فناوری یادگیری ماشین خواهد بود. مرکز تحقیقاتی Deloitte معتقد است تا پایان سال 2018، استفاده از فناوری یادگیری ماشین به دوبرابر افزایش خواهد یافت. مهم ترین عامل این رشد خارق العاده، توسعه ریزتراشه های نیمه رسانا است که از یکسو باعث کاهش مصرف انرژی در اپلیکیشن ها می شود و از سوی دیگر ارتقای سرعت و افزایش کارآیی آنها را در پی دارد.

طبق پیش بینی های Deloitte تا پایان سال 2018 بیش از 25درصد تمام تراشه های مورد استفاده در مراکز داده ای که برای سرعت بخشیدن به فناوری یادگیری ماشین به کار می رود، به طور کامل Programmable (برنامه پذیر) خواهد بود. این مرکز تحقیقاتی مدعی است نوع جدید تراشه ها، استفاده از یادگیری ماشین را بسیار شتاب می بخشد. کارشناسان این مرکز همچنین معتقدند تعداد پروژه های پیلوت که در آنها از این فناوری استفاده می شود، در سال 2020 نسبت به رقم فعلی آن در سال جاری دوبرابر خواهد شد. با وجود این پیش بینی های هیجان انگیز، Deloitte می گوید شرکت های کمی در حال حاضر از این فناوری‎ها استفاده می کنند. از جمله چالش های موجود بر سر راه می توان به این موارد اشاره کرد: نبود کارشناسان زبده، فقدان ابزار و چارچوب های مناسب و نیز دشواری به دست آوردن مقادیر انبوه داده که برای تکنیک های توسعه برخی مدل های یادگیری ماشین موردنیاز است.