一句话明白深度学习原理

深度学习把人工智能推向了高潮，成了当下炙手可热的概念。这么火的一个词，大公司都想抄一抄。深度学习听起来好高深的样子，不明真相的吃瓜群众只能默默围观。

大公司需要新概念来推高市值，人民也有获取知识的权利，其实这个概念就是件外衣，深度学习的核心就是神经网络，看图，把几层节点连接起来，就成了一个神经网络。

这是在playground tensorflow（Google的一个在线工具）上，通过简单的几下点击，构造的一个神经网络，创建了两层节点，第一层两个，第二层三个，这是一个最简单的神经网络（算上输出层共三层）。左端输入，右端输出。

那么深度学习是什么呢？就是多层神经网络，简单的说，就是层数和节点多些（如图）。自动驾驶、机器翻译等技术背后的深度学习技术，就是这个样子。

因为结构太简单，道理又讲不清，甚至学术界很长时间，都不承认这是科学。近年来，大数据和GPU并行运算发展起来，深度学习才获得腾飞。工业界应用广泛的卷积神经网络和循环神经网络等，是在最基本的结构上演变而来。

要想深度神经网络起作用，还需要优化参数、处理数据等等，这些就留给那些博士和大牛们吧。至少，当我们看到新闻里，那些科技公司高管滔滔不绝的秀新概念的时候，我们能知道，只不过是又加了几层而已。

转自：人工智能与未来

=================================================

更多精彩内容，请关注大数据与生活