少なくとも、ディープラーニングでソフトウェアを構築することは難しくない。
それほど遠くない過去においては、データサイエンスチームはディープラーニングを効果的に使うために、以下のようないくつかの条件を必要としていた。
おそらくは社内向けに設計された新しいモデルアーキテクチャ
大規模でおそらくは独占的なデータセットへのアクセス
大規模モデルの訓練のためのハードウェアまたは資金
以上はディープラーニングのボトルネックとして影響を及ぼし、ディープラーニングを開発できるのは以上の条件を満たす少数のプロジェクトのみに制限していた。
しかし、ここ数年で状況は変わった。
（機械学習ウェブアプリ開発環境である）Cortexにおいて、この環境のユーザがディープラーニングによって構築された新世代の製品をローンチするのをわたしたちは見てきた。そして以前とは違って、こうした製品はオリジナルなアーキテクチャモデルを使って構築されてはいないのだ。
以上のような新世代の製品の成長を影で推進したものこそ、転移学習だ。