何为人工智能-数据与智能出版了畅销书，深度学习是何方神圣？

数据与智能 出版了畅销书「构建企业级推荐系统：算法、工程实现与案例分析」。每周输出7篇推荐系统、数据分析、大数据、AI原创文章。「数据与智能」(同名视频号、知乎、头条、B站、快手、抖音、小红书等自媒体平台号) 社区，聚焦数据、智能领域的知识分享与传播。

作者 | Harper

审核 | gongyouliu

编辑 | auroral-L

我们上次说到了语音识别。并且也说到语音识别系统在近年来突飞猛进，技术上的原因就是深度学习！事实上在机器视觉领域，第一次超越人类肉眼识别准确率的图像识别算法也是深度学习的杰作。第三次人工智能热潮也源于深度学习的复兴。今天，人工智能领域的研究者，几乎无人不谈深度学习。很多人甚至高喊出了“深度学习=人工智能”的口号。那么，深度学习到底是何方神圣？

和许多人的想象相反，深度学习并不是一下子横空出世的，它的历史几乎和人工智能的历史一样长。只不过，数十年里，深度学习及相关的人工神经网络由于种种原因，蛰伏于人工智能兵器库的一角，但蛰伏不等于沉寂，在漫长的等待中，深度学习技术，不断磨练自己，弥补缺陷，打磨锋刃何为人工智能，等待最合适的出山时机。

2000年前后，计算机产业的发展带来了计算机性能处理能力的大幅度提高，尤其是以谷歌为代表的前沿企业在分布式计算上取得了深厚积累。成千上万台计算机组成的大规模计算集群早已不再是稀罕物，而互联网产业的发展则使搜索引擎、电子商务等公司聚集了数以亿计的高质量的海量数据。大计算能力和大数据，正是深度学习正等待的两大时机。

2006年深入学习泰斗杰弗里辛顿及其合作者用一篇名为《一种深度置信网络的快速学习算法》的论文，宣告了深度学习时代的到来。那到底为什么深度学习能让计算机一下子变得聪明起来？为什么深度学习相比起其他机器学习技术，能够在机器视觉、语音识别、自然语言处理、机器翻译、数据挖掘，自动驾驶等方面取得好得多的效果？

从根本上说，深度学习和所有机器学习方法一样，是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域的现实问题的过程。我们可以用一种非理工科专业也能听得懂的术语解释一下。

首先深度学习是一种机器学习，既然名为学习那自然与我们人类的学习过程有某种程度的相似。

比如说，很多小朋友都用识字卡片来识字，就像今天在手机平板电脑上教小朋友认字的识字卡片App最基本的思路，就是按照从简单到复杂的顺序，让小朋友反复看每个汉字的写法看得多了自然就记住了何为人工智能，下次再见到同一个字就很容易能认得出来。

这个识字过程看似很简单，其实奥妙无穷，认字的时候一定是小朋友的大脑在接受许多遍相似图像的刺激后，为每个汉字总结出了某种规律性的东西。下次大脑在看到这种符合规律的图案就知道是什么字了，其实要教计算机认字，差不多也是同样的道理，计算机也要先把每个字的图案反复看很多很多遍，然后在计算机的大脑，也就是处理器与存储器里总结出一个规律来，以后计算机在看到类似的图案，只要符合之前总结的规律，计算机就能知道这图案到底是什么字。用专业的术语来说，计算机用来学习的，反复看的图片叫做训练数据集，训练数据集中，一类数据区别于另一类数据的不同方面的属性或者特质叫做特征。计算机在大脑中总结规律的过程叫做建模，计算机在大脑中总结出的规律，就是我们常说的模型，而计算机通过反复看图总结出规律，然后学会识字的过程就叫做机器学习。

而深度学习，就是一种在表达能力上灵活多变，同时又允许计算机不断尝试，直到最终逼近目标的机器学习方法，从数学本质上说，深度学习与传统的机器学习方法并没有实质性差别，都是希望在高维空间中根据对象特征将不同类别的对象区分开来。但深度学习的表达能力与传统机器，学习相比，却有着天壤之别。

简单地说深度学习，就是把计算机要学习的东西，看成一大堆数据，把这些数据丢进一个复杂的包含多个层级的数据处理网络，也就是深度神经网络，然后检查经过这个网络处理得到的结果数据是不是符合要求，如果符合就保留这个网络作为目标模型，如果不符合，就一次次的调整网络的参数设置，直到输出满足要求为止。

关于深度学习的大致概念我们就介绍到这里，大家如果想要具体了解计算机是如何学习的，可以参考具体的专业教程。