让神经网络识别文本模式的数学实际上只是乘法——很多很多很多的乘法。我们说的是数千枚计算机芯片进行持续数月的乘法运算。
通常，芯片会将能放入16位存储器的数字相乘。但深度求索将每个数字压缩到只有八位的存储器中，节省了一半的空间。实际上就是在每个数字中删掉了几位小数。
这意味着每次计算的准确性都会降低。但这并不重要。这些计算准确度足以产生一个非常强大的神经网络。这个嘛，他们另外还有一招。
在将每个数字塞进八位存储器后，深度求索在将这些数字相乘时采取了不同的方法。在确定每个乘法问题的答案时——进行有助于决定神经网络将如何运作的关键计算——它将答案扩展到32位存储器中。换句话说，这样就保留了更多的小数，使得答案更为精确。