人工智能的新纪元——深度学习

摘要：随着大数据时代的到来，以神经网络为基础的深度学习迎来春天，世界各地深度学习研究所，研究项目如雨后春笋。一种并非全新却会令世界都会改变的新技术正在渐渐的成熟，走进我们的视野。它的出现使人工智能得到飞跃性的发展[1]。深度学习是近几年人工智能领域颇具影响力和代表性的技术之一。本文从深度学习的发展历程，深度学习的技术实现和存在的问题，以及展望和它对社会的影响进行报告。

正文：一、发展历程

1．基础

深度学习的基础是神经网络NN（Neural Network），神经网络最早出现在上世纪40年代。早在1943年神经生物学家家 warren Sturgis McCulloch和数学家Walter Potts提出一种极为简单的神经元模型神经元的阈值元件模型，简称M-P模型。该模型采用数理模型的方法对人脑进行模拟，用逻辑运行的网络模拟大脑。为神经网络的发展奠定基础。

 

2．首次高潮

而神经网络真正引起重视是在1958年，Frank Rosenblatt通过增加学习机制，推广了M-P模型，并首次将神经网络理论付诸工程实现，制造了叫做“感知器”的神经网络计算机，并从理论上证明了单层神经网络处 理线性可分分类问题的收敛性[2]。在1962年,Rosenblatt总结了他的研究成果，并出版了《神经动力学原 理：感知机和大脑机制的理论》[3]一书。他的研究成果引起了美国军方的极大兴趣。美国军方甚至认为神经网络工程比原子弹工程更加重要，因此不惜投入重金，大力资助了Rosenblatt的工作，并掀起了神经网络的 首次高潮.

 

3．再次高潮

1982年美国生物物理学家JohnJ. Hopfield采用了新型的全互联