深度学习笔记1

什么是机器学习？

什么是深度学习？

人工智能系统在面对硬编码知识体系的局限性时，需要具备自我学习的能力。这种自我学习的能力被称为机器学习（machine learning），它使计算机能够处理现实世界的问题，并做出看似主观的决策。

许多人工智能任务都可以通过以下方式解决：先提取一个合适的特征集，然后将这些特征提供给简单的机器学习算法。例如，对于通过声音鉴别说话者的任务来说，一个有用的特征是对其声道大小的估计。这个特征为判断说话者是男性、女性还是儿童提供了有力的线索。然而，对于许多任务来说，我们很难知道应该提取哪些特征。例如，假设我们想编写一个程序来检测照片中的车。我们知道，汽车有轮子，所以我们可能会用车轮的存在与否作为特征。不幸的是，我们难以准确地根据像素值来描述车轮看上去像什么。虽然车轮具有简单的几何形状，但它的图像可能会因场景而异，如落在车轮上的阴影、太阳照亮的车轮的金属零件、汽车的挡泥板或者遮挡的车轮一部分的前景物体等等。

解决这个问题的途径之一是使用机器学习来发掘表示（数据特征），不依赖于人工设计的特征提取方法，而不仅仅把表示映射到输出，这种方法称之为表示学习（Representation Learning）。而深度学习通过其他较简单的表示来表达复杂表示，通过深度神经网络的训练解决了表示学习中的核心问题。