点击上方蓝色文字，发现美好世界

深度学习是人工智能领域的重要概念。借助深度学习，机器能达到极高准确度，甚至超越人类表现。它成为支持自动驾驶、精确医疗等应用的技术基础。除文字介绍外，我们还准备了一个短小视频，希望能让大家了解得更清楚。

我们将从三个部分来简单介绍深度学习这个概念。其一，什么是深度学习；其二，深度学习为何令人印象深刻；其三，深度学习的应用。

深度学习是什么

深度学习是一种机器学习技术，它能教导计算机做人类自然而然的事，即通过实例来学习。无人驾驶汽车背后的关键技术是深度学习，它让汽车能够识别停车标志，也能区分行人和路灯。在手机、平板电脑、电视和免提扬声器等消费类设备中，语音控制的关键也是深度学习。深度学习最近获得了很多关注，这是有充分理由的，因为它取得了以前无法实现的成果。

在深度学习里，计算机模型会学习直接从图像、文本或者声音去执行分类任务。深度学习模型能够达成最先进的准确性，有的时候甚至能超越人类的表现。通过运用包含诸多层的大量标记数据以及神经网络架构来对模型进行训练。

大多数深度学习方法都采用神经网络架构。这就是深度学习模型常被称作深度神经网络的缘由。

术语“深”一般指神经网络中隐藏层的数量。传统的神经网络仅包含 2 到 3 个隐藏层。深层网络则可以包含多达 150 个隐藏层。深度学习模型通过利用大量标记数据以及神经网络架构来进行训练。这些架构能够直接从数据中学习特征，无需手动去提取特征。

为何令人印象深刻

深度学习实现了比以往更高水平的识别准确性。这对消费电子产品满足用户期望有帮助，在无人驾驶汽车等安全关键应用中很重要。深度学习的最新进展使其在某些任务，如对图像中的对象进行分类时，能优于人类。

深度学习在 20 世纪 80 年代首次被理论化。最近它才变得有用。主要原因有两个。

深度学习需要大量的标记数据。无人驾驶汽车的开发就需要很多图像，有数百万张之多，同时还需要数千小时的视频。

深度学习需要大量的计算能力。高性能 GPU 具备可用于深度学习的并行架构。这种并行架构与群集或云计算相结合后，能让开发团队把深度学习网络的培训时间从数周缩短到数小时或者更短的时间。

深度学习的应用

深度学习应用程序适用于从自动驾驶到医疗设备的各行各业。

自动驾驶中，汽车研究人员正利用深度学习去自动侦测停车标志以及交通信号灯等物体。同时，深度学习还被用于检测行人，这种做法有助于降低事故的发生。

航空航天与国防方面，深度学习能够用来识别处在感兴趣区域内的卫星物体，同时也能识别部队的安全区域以及不安全区域。

医学研究方面，癌症研究人员正借助深度学习来实现癌细胞的自动检测。加州大学洛杉矶分校的这个团队构建了一个先进的显微镜，该显微镜能够生成高维数据集，此数据集可用于对深度学习应用程序进行训练，从而能够精准地识别癌细胞。

深度学习能够自动检测人员或物体处于不安全的机器距离内，这有助于提高重型机械周围的工人安全性，这属于工业自动化的范畴。

电子学方面，深度学习被运用到自动听力和语音翻译中。比如，那些能够响应你的声音并且了解你偏好的家庭辅助设备，是由深度学习应用程序来提供支持的。

最后我们看一个简短的视频，再次加深一下深度学习这个概念。

点击边框调出视频工具条