深度学习是怎么回事？有什么用？

如今，提到人工智能，几乎无人不谈深度学习，似乎不用深度学习就不好意思谈人工智能。今天我们就用几分钟的时间来讲一下深度学习到底是什么，有什么用。

首先深度学习并不等于人工智能，它只是一种算法，和普通的机器学习算法一样，是解决问题的一种方法。真要区分起来，人工智能、机器学习和深度学习，三者大概是下图这种关系。人工智能是一个很大的概念，机器学习是其中的一个子集，而深度学习又是机器学习的一个子集。

其次，深度学习也不是什么新技术，深度学习的概念源于人工神经网络的研究，早在上世纪 40 年代，通用计算机问世之前，科学家就提出了人工神经网络的概念。而那个时候的计算机刚刚开始发展，速度非常慢，最简单的网络也得数天才能训练完毕，效率极其低下，因此在接下来的十几年都没有被大量使用。近些年，随着算力的提升，GPU、TPU 的应用，神经网络得到了重大发展。伴随着 AlphaGo 的胜利，深度学习也一战成名。

其实，同机器学习方法一样，深度学习方法也有监督学习与无监督学习之分。例如，卷积神经网络（Convolutional Neural Networks，简称 CNN）就是一种深度的监督学习下的机器学习模型，而深度置信网络（Deep Belief Nets，简称 DBN）就是一种无监督学习下的机器学习模型。深度学习的”深度“是指从”输入层“到”输出层“所经历层次的数目，即”隐藏层“的层数，层数越多，深度也越深。

所以越是复杂的选择问题，越需要深度的层次多。除了层数多外，每层”神经元“－小圆圈的数目也要多。例如，AlphaGo 的策略网络是 13 层，每一层的神经元数量为 192 个。深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。

<