什麼是深度學習？

2016年初，由Google DeepMind開發的AlphaGo在圍棋大戰中擊敗了韓國的圍棋大師李世石。從此媒體開始了鋪天蓋地宣傳人工智能時代的來臨。同時，資本開始大量追捧與人工智能相關的公司，一時間，人工智能企業的狂潮席捲而來。

在描述 DeepMind勝利的時候，很多人都會把人工智能、機器學習和深度學習混爲一談。雖然AlphaGo程序對這3種技術都有涉及，但其真正使用最多的是深度學習。

人工智能、機器學習、深度學習三者之間的關係，可以如圖1-1所示，人工智能包含着機器學習，而深度學習則是機器學習的重要分支之一，它們三者是包含於被包含的關係。

從20世紀50年代，人工智能第一次被提出至今，人工智能的問題基本上已經定型，大致分爲6個具體的方向：問題求解、知識推理、規劃問題、不確定性推理、通信感知與行爲、學習問題。而機器學習主要有3個方向：分類、迴歸、關聯性分析。最後到深度學習則是對機器學習中的神經網絡進行深度拓展。

人工智能實際上包含了我們經常使用到的算法，例如在問題求解方面，最經典的算法是 A* 搜索算法和 a-b 剪枝算法，又如人工智能中的學習問題則包含了機器學習的大部分內容。現階段已經有很多資料介紹機器學習相關的算法，較爲著名的機器學習十大算法有：決策樹、支持向量機SVM、隨機森林算法、邏輯迴歸、樸素貝葉斯、KNN算法、K-means算法、Adaboost算法、Apriori算法、PageRank算法。

深度學習的定義在過去的十年一直在不斷地變化，其中大部分學者認爲深度學習應該「具有兩層以上的神經網絡」，圖1-2所示爲深度學習的神經網絡示例，其特點是：

• 具有更多的神經元
• 具有更復雜的網絡連接方式
• 擁有驚人的計算量
• 能夠自動提取數據的高維特徵