深度学习 (DL)
深度学习革命始于 2010 年左右。
从那时起，深度学习解决了许多“无法解决”的问题。
深度学习革命并非由单一发现引起。它大概发生在几个必要因素都已准备就绪之时：
- 计算机速度足够快
- 计算机存储足够大
- 发明了更好的训练方法
- 发明了更好的调优方法
神经元
科学家们一致认为，我们的大脑有 800 到 1000 亿个神经元。
这些神经元之间有数千亿个连接。
图片来源：巴塞尔大学生物中心。
神经元（也称神经细胞）是我们大脑和神经系统的基本单元。
神经元负责接收外部世界的输入，发送输出（给肌肉的指令），以及处理其间的电信号。
神经网络
人工神经网络通常被称为神经网络 (NN)。
神经网络实际上是多层感知器。
感知器定义了进入多层神经网络的第一步。
神经网络是深度学习的精髓。
神经网络是历史上最重要的发现之一。
神经网络可以解决无法通过算法解决的问题
- 医学诊断
- 人脸检测
- 语音识别
神经网络模型
输入数据（黄色）经过隐藏层（蓝色）处理，再经过另一个隐藏层（绿色）修改，最终产生输出（红色）。
Tom Mitchell
Tom Michael Mitchell（生于 1951 年）是一位美国计算机科学家，卡内基梅隆大学（CMU）的大学教授。
他曾任 CMU 机器学习系的系主任。
E：经验（出现的次数）。
T：任务（驾驶汽车）。
P：性能（好或坏）。
长颈鹿的故事
2015 年，伦敦帝国理工学院的学生Matthew Lai创造了一个名为Giraffe的神经网络。
Giraffe 经过 72 小时的训练，就能以与国际象棋大师相同的水平下棋。
计算机下棋并不新鲜，但这个程序创建的方式是新的。
经典的国际象棋程序需要数年时间才能构建，而 Giraffe 使用神经网络在 72 小时内建成。
深度学习
经典编程使用程序（算法）来产生结果
传统计算
数据 + 计算机算法 = 结果
机器学习使用结果来创建程序（算法）
机器学习
数据 + 结果 = 计算机算法
机器学习
机器学习通常被等同于人工智能。
这是不正确的。机器学习是人工智能的一个子集。
机器学习是人工智能的一个学科，它使用数据来教导机器。
“机器学习是一个研究领域，它赋予计算机在不被编程的情况下学习的能力。”
Arthur Samuel (1959)
智能决策公式
- 保存所有动作的结果
- 模拟所有可能的结局
- 将新动作与旧动作进行比较
- 检查新动作是好是坏
- 如果新动作较不坏，则选择它
- 不断重复
计算机能够这样进行数百万次的事实，证明了计算机可以做出非常明智的决策。
