深度学习是人工智能（AI）中的一个新兴话题。机器学习的子类别，深度学习涉及使用神经网络来改善语音识别，计算机视觉和自然语言处理之类的事物。它迅速成为计算机科学中最受欢迎的领域之一。在过去的几年中，深度学习有助于在像物体感知，机器翻译和语音识别 - 所有研究主题等多样化的领域发展，这些主题长期以来一直很难破解。
神经元 /图像：公共领域
神经网络
在信息技术中，神经网络是一个近似人脑运行的程序和数据结构的系统。神经网络通常涉及大量并行运行的处理器，每个处理器都有其自身的知识范围，并在其本地内存中访问数据。通常，神经网络最初是“训练的”或提供有关数据关系的大量数据和规则的（例如，“祖父比一个人的父亲大”）。然后，程序可以告诉网络如何响应外部刺激（例如，从与网络交互的计算机用户输入）或可以自己启动活动（在其访问其外部的范围内世界）。
深度学习与机器学习
要了解深度学习是什么，首先要将其与AI领域的其他学科区分开来。
AI的一个生物是机器学习，其中计算机通过监督经验提取知识。这通常涉及人类操作员通过给机器来帮助机器学习数百或数千个培训示例，并手动纠正其错误。
尽管机器学习已在AI领域中占主导地位，但确实存在问题。一方面，这非常耗时。另一方面，它仍然不是机器智能的真实度量，因为它依靠人类的创造力来提出允许计算机学习的抽象。
与机器学习不同，深度学习主要是无监督的。例如，它涉及创建大规模的神经网，使计算机本身就可以学习和“思考”，而无需直接进行人类干预。
他说，深度学习“看起来真的不像是计算机程序，”纽约大学的心理学家和AI专家Gary Marcus说，普通计算机代码以非常严格的逻辑步骤编写。“但是您在深度学习中看到的是不同的；您没有太多的指示说：“如果一件事是真的，那做另一件事，”他说。深度学习不是线性逻辑，而是基于人类脑工作方式的理论。该程序由互连节点的纠结层制成。它通过重新安排每次新体验后的节点之间的连接来学习。
深度学习已经显示出潜力是软件的基础，即使没有明确引用，照片中的对象，并对人们的未来行为做出了复杂的预测，这些软件也可以解决文本中描述的情绪或事件。
深度学习游戏
2011年，Google启动了Google Brain Project，该项目创建了一个通过深度学习算法训练的神经网络，该算法被证明能够识别高水平的概念。
去年，Facebook建立了AI研究单元，使用深度学习专业知识来帮助创建解决方案，以更好地识别每天上传到Facebook的3.5亿张照片和对象。现在和苹果的Siri。
未来
深度学习表现出很大的希望，使自动驾驶汽车和机器人管家成为真正的可能性。他们仍然有限，但是几年前他们能做的是不可想象的，而且它以前所未有的速度前进。分析大规模数据集并在计算机系统中使用深度学习的能力，可以适应体验而不是依赖人类程序员，这将导致突破。这些范围从毒品发现到开发新材料到对周围世界的更加认识的机器人。也许这将解释为什么Google最近一直在购买狂欢，而机器人公司则在其购物清单中排名第一。他们在几个月内购买了八家机器人公司。
阅读艾哈拉法（Ahmed Banafa）的LinkedIn个人资料中发表的原始文章。
艾哈迈德·巴纳法（Ahmed Banafa）
物联网专家|教师|作者|扬声器
参考：