一文理解什么是深度学习？

自从AlphaGo在2016年以4:1战胜韩国选手李世石后，人工智能这个名词被人们所熟知。人工智能就是利用计算机模拟人类的思考方式实现类似人类的智能。

人工智能的实现方式很多，其中最常用的就是机器学习。1997年卡内基梅隆大学的Tom Michael Mitchell教授给出的机器学习定义是：“如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习”。

传统的机器学习在前些年是比较火的，但是在2012年AlexNet击败了传统的机器学习算法，赢得ImageNet比赛的冠军之后，深度学习的热度就超越了机器学习。深度学习几乎和深层神经网络是等价的，维基百科把深度学习定义为：“一类通过多层非线性变换对高复杂性数据建模算法的集合”。

一句话总结就是：人工智能包含机器学习，机器学习包含深度学习。

深度学习的发展过程可谓一波三折，在1943年第一个人工智能模型就被提出了，感知机也在1958年被发明。感知机相当于一个只有输入层和输出层的神经网络，由于这个网络的结构过于简单，不能解决线性不可分问题，使得这个模型并没有什么太大的用处，于是深度学习进入第一个寒冬。

20世纪80年代，更多层次的神经网络被发明了，深层的神经网络可以很好地解决线性不可分问题。到了20世纪90年代，传统的机器学习比深度学习的准确率更高，而且训练的时间更短。在那个算力非常匮乏的年代，大多数学者都把精力花在研究传统机器学习上面，于是深度学习进入了第二个寒冬。

到了2012年，随着大数据时代的到了，在互联网上获取海量数据成为可能，算力更强的GPU被发明，使得算力不再是阻碍深度学习发展的瓶颈。在这一年，AlexNet一举打败了所有的传统机器学习算法，获得了ImageNet比赛冠军，以16%的Top5错误率远超传统机器学习的26%Top5错误率。在之后的这几年比赛中，比赛的前20名都是使用了深度学习，传统机器学习基本也就退出了这个比赛。

深度学习一般分为3个领域：

1.计算机视觉

2.自然语言处理

3.语音识别

计算机视觉是深度学习应用的最早的领域，也是效果最好的领域，计算机视觉的应用一般有下面这几个方面：

1.图像识别

2.物体检测

3.OCR

深度学习在自然语言处理方面也有比较广泛的应用，主要有以下几个方面：

1.语言模型

2.机器翻译

3.实体识别

4.情感分析

5.词性标注

6.搜索排序

7.广告推荐

语音识别主要的应用方向有：

1.语音助手

2.语言识别

3.语音合成

4.语音翻译