深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子領(lǐng)域，研究的算法靈感來自于大腦的結(jié)構(gòu)和功能，稱為人工神經(jīng)網(wǎng)絡(luò)。如果你現(xiàn)在剛剛開始進(jìn)入深度學(xué)習(xí)領(lǐng)域，或者你曾經(jīng)有過一些神經(jīng)網(wǎng)絡(luò)的經(jīng)驗，你可能會感到困惑。因為我知道我剛開始的時候有很多的困惑，我的許多同事和朋友也是這樣。因為他們在20 世紀(jì)90年代和21 世紀(jì)初就已經(jīng)學(xué)習(xí)和使用神經(jīng)網(wǎng)絡(luò)了。

　　該領(lǐng)域的領(lǐng)導(dǎo)者和專家對深度學(xué)習(xí)的觀點都有自己的見解，這些具體而細(xì)微的觀點為深度學(xué)習(xí)的內(nèi)容提供了很多依據(jù)。

　　在這篇文章中，您將通過聽取該領(lǐng)域的一系列專家和領(lǐng)導(dǎo)者的意見，來了解什么是深度學(xué)習(xí)以及它的內(nèi)容。來讓我們一探究竟吧。

　　深度學(xué)習(xí)是一種大型的神經(jīng)網(wǎng)絡(luò)

　　Coursera 的Andrew Ng 和百度研究的首席科學(xué)家正式創(chuàng)立了Google Brain ，最終導(dǎo)致了大量Google 服務(wù)中的深度學(xué)習(xí)技術(shù)的產(chǎn)品化。

　　他已經(jīng)說了很多關(guān)于深度學(xué)習(xí)的內(nèi)容并且也寫了很多，這是一個很好的開始。在深度學(xué)習(xí)的早期討論中， Andrew 描述了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)背景下的深度學(xué)習(xí)。在2013 年的題為“ 深度學(xué)習(xí)，自學(xué)習(xí)和無監(jiān)督特征學(xué)習(xí)”的演講中“他將深度學(xué)習(xí)的理念描述為：這是我在大腦中模擬的對深度學(xué)習(xí)的希望：

　　- 使學(xué)習(xí)算法更好，更容易使用。

　　- 在機(jī)器學(xué)習(xí)和人工智能方面取得革命性進(jìn)展。

　　我相信這是我們邁向真正人工智能的最好機(jī)會后來他的評論變得更加細(xì)致入微了。

　　Andrew 認(rèn)為的深度學(xué)習(xí)的核心是我們現(xiàn)在擁有足夠快的計算機(jī)和足夠多的數(shù)據(jù)來實際訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)。在2015 年ExtractConf 大會上，當(dāng)他的題目“科學(xué)家應(yīng)該了解深度學(xué)習(xí)的數(shù)據(jù)”討論到為什么現(xiàn)在是深度學(xué)習(xí)起飛的時候，他評論道：

　　我們現(xiàn)在擁有的非常大的神經(jīng)網(wǎng)絡(luò)。..。..以及我們可以訪問的大量數(shù)據(jù)他還評論了一個重要的觀點，那就是一切都與規(guī)模有關(guān)。當(dāng)我們構(gòu)建更大的神經(jīng)網(wǎng)絡(luò)并用越來越多的數(shù)據(jù)訓(xùn)練它們時，它們的性能會不斷提高。這通常與其他在性能上達(dá)到穩(wěn)定水平的機(jī)器學(xué)習(xí)技術(shù)不同。