什么是深度学习？

2016年初，由Google DeepMind开发的AlphaGo在围棋大战中击败了韩国的围棋大师李世石。从此媒体开始了铺天盖地宣传人工智能时代的来临。同时，资本开始大量追捧与人工智能相关的公司，一时间，人工智能企业的狂潮席卷而来。

在描述 DeepMind胜利的时候，很多人都会把人工智能、机器学习和深度学习混为一谈。虽然AlphaGo程序对这3种技术都有涉及，但其真正使用最多的是深度学习。

人工智能、机器学习、深度学习三者之间的关系，可以如图1-1所示，人工智能包含着机器学习，而深度学习则是机器学习的重要分支之一，它们三者是包含于被包含的关系。

从20世纪50年代，人工智能第一次被提出至今，人工智能的问题基本上已经定型，大致分为6个具体的方向：问题求解、知识推理、规划问题、不确定性推理、通信感知与行为、学习问题。而机器学习主要有3个方向：分类、回归、关联性分析。最后到深度学习则是对机器学习中的神经网络进行深度拓展。

人工智能实际上包含了我们经常使用到的算法，例如在问题求解方面，最经典的算法是 A* 搜索算法和 a-b 剪枝算法，又如人工智能中的学习问题则包含了机器学习的大部分内容。现阶段已经有很多资料介绍机器学习相关的算法，较为著名的机器学习十大算法有：决策树、支持向量机SVM、随机森林算法、逻辑回归、朴素贝叶斯、KNN算法、K-means算法、Adaboost算法、Apriori算法、PageRank算法。

深度学习的定义在过去的十年一直在不断地变化，其中大部分学者认为深度学习应该“具有两层以上的神经网络”，图1-2所示为深度学习的神经网络示例，其特点是：

• 具有更多的神经元
• 具有更复杂的网络连接方式
• 拥有惊人的计算量
• 能够自动提取数据的高维特征