经常在网络上看到人工智能、机器学习、“深度学习”这些词汇，但真正理解它们的人却少之又少，多数人对这词汇的含义及其背后的关系似懂非懂。

“深度学习”与人工智能密不可分，要讲清楚什么是“深度学习”，就要先从人工智能说起。

自从 1956 年计算机科学家们在达特茅斯会议(Dartmouth Conferences)上确认人工智能这个术语以来，人们就不乏对人工智能奇思妙想，如今虽然梦想的局面还没有出现，但是稍微弱一点的人工智能已经大行其道了，比如图像识别、语音识别、多语言翻译等。

机器学习是实现人工智能的一种重要方法。机器学习的概念来自早期的人工智能研究者。简单来说，机器学习就是使用算法分析数据，从中学习并自动归纳总结成模型，最后使用模型做出推断或预测。与传统的编程语言开发软件不同，使用大量的数据送给机器学习，这个过程叫做“训练”。

“深度学习”，是机器学习中近年来倍受重视的一种。“深度学习”根源于类神经网络模型，但今日“深度学习”的技术和它的前身已截然不同，目前最好的语音识别和影像辨识系统，都是以“深度学习”技术来完成的，像各手机厂商宣传的AI拍照功能，以及此前红遍大街小巷的阿尔法围棋（AlphaGo，是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌旗下公司开发 ）都是基于“深度学习”技术，仅仅是应用场景不同。值得注意的是，“深度学习”本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法，来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习方法。

最初的“深度学习”是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。其实有不少想法早年间也曾有过，但由于当时训练数据量不足、计算能力落后，因此最终的效果不尽如人意。

截至目前，“深度学习”在图像、语音等富媒体的分类和识别上取得了非常好的效果，所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。

其实，在我们日常生活中已经有很多应用“深度学习”技术的案例了。

在电商行业，我们浏览淘宝时，页面中有很多都符合你的爱好并且最近有意向购买的商品，这种个性化推荐中就涉及到“深度学习”技术；还有就是在购物界面能和你进行对话，解决疑问的淘宝智能机器人，也涉及“深度学习”技术。

在交通领域，通过“深度学习”技术能监测到车辆停车、逆行等行为，甚至精确识别车辆的车牌号、颜色、车型、车辆里的人物等来辅助交通执法，甚至在发生交通事故和交通拥堵时进行报警等。

在金融行业，银行通过“深度学习”技术能对数以百万的消费者数据（如年龄、职业、婚姻状况等）、金融借款和保险情况（是否有违约记录、还款时间、车辆事故记录等）进行分析，进而判断出是否能进行贷款服务。

在家居行业，智能家居的应用也用到了“深度学习”技术，比如智能冰箱通过图像识别等技术，记录食材种类和用户日常饮食数据，进而分析用户的饮食习惯，并根据多维度给出最全面的健康膳食建议。

还有教育行业、医疗行业等，“深度学习”技术已经渗透到多个行业和领域。