随着人工智能技术的发展，最近出现了各种各样的AI产品和服务。大部分的AI产品虽然功能和用途是有差异的，但都使用的是深度神经网（Deep Neural Netorks）技术。深度神经网络的短板就是需要大量的训练和投入很多的费用。
5月7日根据媒体报道“MIT的研究员希望改变这一现状，在今天发表的论文中表示研究员将神经网络缩小了10倍，价格更便宜，并更快速的训练辅助网络”。
对于大多数的神经网络训练，工程师需要花费大量的时间和昂贵的GPU来提供数据集。根据报道，MIT的电脑科学和人工智能研究所（CSAIL）的研究员们在训练这些的网络中发现了同样可以精准预测的较小下游网络。这是人工智能研究所（CSAIL）通过“彩票假设”发现的， 假设大部分的神经网锻炼就是为了中彩票而买所有的彩票，训练下游网络以购买中彩票为出发点。
人工智能研究所（CSAIL）表示许多研究员没有完全构建神经网络，假设在找不到如何去除不必要的内容情况下找到“中奖”下游网络，万一他们能找到跳过这个步骤，直接进入下游网络的方法，这个过程可以节省几个小时的工作时间。
报道称确定如何有效的查找下游网络，理解为什么学习比其他人好， 这会使研究员忙上几年，虽说找到了方法但是实现还是需要一些时间。