在最近的几年中，计算机视觉、语音识别、自然语言处理和机器人领域所取得的突破性进展都离不开深度学习。那么到底什么是深度学习呢（图1-4）?
图1-4 人工智能、机器学习、人工神经网络和深度学习之间的关系
人工智能是涵盖内容最广的一个概念，包括知识表示、问题搜索、逻辑推理等，机器学习（Machine Learning）则是人工智能的一个重要分支，主要研究如何让计算机具有能够自我学习的能力。机器学习在20世起八九十年代逐渐发展起来，它致力于研究如何通过计算的手段，利用学习经验来改善计算机系统自身的智能性。通过从经验中获取知识，机器学习算法摒弃了人为向机器输入知识的操作，转而凭借算法自身学习到所需知识。机器学习算法有上千种之多，除人工神经网络外，还包括决策树算法（Decision Tree）、支持向量机（Support Vector Machine, SVM）、遗传算法（Genetic Algorithm）等。
深度学习是一种利用深度人工神经网络来进行自动分类、预测和学习的技术，可以看作一种新型的机器学习技术。近些年来，深度学习技术日益盛行起来，逐渐呈现出取代其他机器学习算法的趋势，这主要是因为随着机器学习任务越来越复杂和多变，人们逐渐发现针对具体任务生成特定特征不仅费时费力，同时还特别敏感，很难将其应用于另一任务。此外，对于一些任务，人们根本不知道该如何使用特征。与此相反，深度学习完全将这个步骤自动化：利用深度学习，你可以一次性学习所有特征，而无须自己手动设计提取特征。这极大地简化了机器学习工作流程，能够将包含特征学习、特征抽象等复杂的多阶段流程替换为一个简单的、端到端的深度学习模型。(www.xing528.com)
与一般的机器学习技术相比，深度学习另外具备的一大特色是可以处理各种非结构化数据，特指图像、视频、文本、音频等，而一般的机器学习更适合处理结构化数据，即可以使用关系型数据库进行存储、管理和访问的数据。
总而言之，机器学习是人工智能的一种实现方法，深度学习同样也是一种实现机器学习的方法，是在机器学习和人工神经网络的基础上发展起来的。深度学习最基本的形式是深度神经网络，直接脱胎于机器学习中的人工神经网络算法。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
