什么是“深度学习”？简答科普篇，一看就懂

深度学习，说到底，就是模仿人脑结构的一种学习方式。

首先输入角度，人脑是怎么学习的，人的学习方式往往是非结构化数据, 无论是图像，语言，文字，皆可归于此类，这些数据很难用纯数字的方法量化，无法做成传统机器学习那种一列一列数字特征（或类别特征）的形式，所以传统机器学习或多或少都需要特征工程，而且不同领域的特征工程相差巨大。

然而，深度学习却可以直接输入图像，语言，文字的原始数据（进行简单的数字化处理），进行学习，可以说，是最接近人脑的一种输入数据的格式。
其次模型角度，人脑是如何处理信息的，靠海量的神经元，神经元之间互相连接，通过信息层层传递的方式处理。

同样，深度学习也是这样，它创造了许多人工神经元，每一层中的人工神经元不互相连接，不同层中的人工神经元互相连接，信息从输入到输出，同样经过层层传递的方式处理（不同于传统模型的单层），可以说，是最接近人脑的一种信息处理模型。

最后输出，传统机器学习的输出往往是一个概率值，或者是一个分数，这与人脑的输出很不相同，人脑的输出往往是一系列动作，或者一整套策略，简单的也可以是一句话或一副图像。

深度学习则可以做到类似人脑的输出，比如最近很火的AI换脸，就是靠GAN网络输出人脸，前两年很火的Alphago，同样是靠深度强化学习击败了世界冠军，深度学习既能输出一个概率值，或者是一个分数，又可以输出图像，语音等非结构化数据，可以说，是最接近人脑的一种信息输出形式。


当然，深度学习的理论仍然在不停地发展，还有许多问题有待探讨，这里有一整套常考的深度学习问题（深度学习500问），欢迎领取。