1.1　深度学习与人工智能

深度学习（Deep Learning，DL）作为人工智能的一个重要子分支，说到深度学习，不得不提人工智能（Artificial Intelligence，AI）和与之密切相关的机器学习（Machine Learning，ML）。刚接触人工智能、机器学习和深度学习的读者可能比较容易混淆三者之间的关系，它们之间的相互包含关系如图1-1所示。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。下面简要介绍相关概念。

图1-1　人工智能、机器学习、深度学习的包含关系

人工智能是在1956年由约翰·麦卡锡提出的概念，研究用于模拟、延伸和扩展人类智能的科学技术，属于现代计算机科学的一个重要分支。人工智能试图让计算机拥有人类的智慧，即具备理解语言、学习、记忆、推理、决策等诸多能力。人工智能延伸出了很多子领域，包括机器人、语音识别、图像识别、自然语言处理和专家系统等。机器学习是实现人工智能的重要技术，采用算法解析观测到的大量数据，从中学习出更具一般性的规律，然后对真实世界中的事件作出预测。典型的机器学习算法包括决策树、随机森林、逻辑回归、支持向量机、朴素贝叶斯等。机器学习领域有一个经典共识，即数据和特征决定了机器学习性能的上限，而模型和算法只是不断朝着这个上限逼近。而在模型和算法设计过程中，传统机器学习需要投入大量的人力在特征工程上，而理想的状态是让机器帮助我们自动找出应该使用的特征空间，无须人参与。为此，人们希望设计的机器学习算法能够自动学习特征和任务之间的关联，还能从简单特征中提取复杂特征，深度学习就是满足这个特点的机器学习算法。深度学习的概念源于人工神经网络的研究，主要通过组合和抽取低层特征，形成更加抽象的高层表示属性类别或特征，以发现数据的分布特征表示。