#深度理解机器学习8-深度学习简介

## 神经网络

描述深度学习及其应用。·区分深度学习和机器学习。·探索神经网络及其应用。·了解神经网络的训练和运行。·使用Keras创建神经网络。

### 深度学习简介

人工智能有两种类型——狭义和广义。狭义人工智能是我们目前身边的那种人工智能。和它是任何一个拥有自然智能能力的个体。你在本书第1章学到的自然语言处理的应用领域就是狭义人工智能的例子，因为它们是能够执行单一任务的智能体，例如能够自动总结文章的机器。确实存在能够完成一项以上任务的技术，例如自动驾驶汽车，但是这些技术仍然被认为是几种狭义人工智能的组合。

广义人工智能是指在单个智能体中拥有所有人类能力和更多能力，而不是在单个智能体中拥有一两种能力。人工智能专家称，一旦人工智能超越了广义人工智能的这一目标，并且在各个领域都比人类自身更聪明、更熟练，它将成为超级人工智能。

当在训练数据集上训练时，两种算法（机器学习和深度学习）都旨在最小化实际结果和预测结果之间的差异。这有助于它们在输入和输出之间形成关联，从而导致更高的精度。

### 机器学习与深度学习的比较

虽然这两种方法都基于相同的原则——从输入预测输出。但它们以不同的方式实现，这就是为什么深度学习被归类为一种单独的方法。此外，深度学习产生的主要原因之一是这些模型在预测过程中提供了更高的精度。虽然机器学习模型很大程度上自给自足，但它们仍然需要人工干预来确定预测是否正确，从而更好地执行特定的任务。另一方面，深度学习模型能够自行判断预测是否正确。因此，深度学习模式是自给自足的。它们可以在没有人为干预的情况下做出决策并提高效率。

深度学习技术最常用于有监督学习方式，也就是说，它们被提供有标签的数据以供学习。然而，机器学习方法和深度学习方法的关键区别在于后者需要大量以前不存在的数据。因此，深度学习直到最近才变得有优势。它还需要相当大的计算能力，因为它需要接受大量数据的训练。