机器学习使计算机能够执行识别面部和读取医学扫描等功能。但是，当任务是解释视频和现实事件时，使机器学习成为可用的模型则变得庞大而繁琐。MIT-IBM Watson AI Lab 的团队提出解决方案，该研究的诀窍在于改变视频识别模型如何查看时间。当前的模型以一系列图像解读时间的消耗，从而创建了更大的计算密集型模型。麻省理工学院的 IBM 研究人员则设计了一个时移模块，该模块在没有明确表示的情况下使模型具有时间流逝的感觉。在测试中，该方法能够训练深度学习视频识别 AI 的速度是现有方法的三倍。（Engadget）