深度学习（DL）
深度学习革命 2010 年左右开始。
自此以后，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一项单一的发现引发。它或多或少是在几个必要因素具备后发生的：
- 计算机足够快
- 计算机存储空间足够大
- 发明了更好的训练方法
- 发明了更好的调音方法
神经元
科学家们一致认为我们的大脑有大约 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（又称神经细胞）是我们大脑和神经系统的基本单位。
神经元负责接收来自外部世界的输入、发送输出（向我们的肌肉发出命令）以及转换其间的电信号。
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的 感知器.
感知器定义了多层神经网络的第一步。
神经网络 是深度学习.
神经网络 是历史上最重大的发现之一。
神经网络可以解决算法无法解决的问题：
- 医疗诊断
- 人脸检测
- 语音识别
神经网络模型
输入数据（黄色）根据隐藏层（蓝色）进行处理，并根据另一个隐藏层（绿色）进行修改以产生最终输出（红色）。
汤姆·米切尔
汤姆·迈克尔·米切尔（生于 1951 年）是美国计算机科学家和卡内基梅隆大学 (CMU) 的大学教授。
他曾担任卡内基梅隆大学机器学习系主任。
E：经验（次数）。
T：任务（驾驶汽车）。
P：表现（好或坏）。
长颈鹿的故事
2015年， 赖文辉伦敦帝国理工学院的一名学生创建了一个名为 长颈鹿.
长颈鹿只需72小时就能完成训练，达到与国际大师同等水平的国际象棋水平。
计算机下棋并不是什么新鲜事，但这个程序的创建方式却是新的。
智能下棋程序需要花费数年时间来开发，而长颈鹿仅用神经网络在 72 小时内就开发出来了。
- 监督机器学习
- 无监督机器学习
- 自监督机器学习
深度学习
经典编程使用程序（算法）来创建结果：
传统计算
数据 + 计算机算法 = 结果
机器学习利用结果来创建程序（算法）：
机器学习
数据 + 结果 = 计算机算法
机器学习
机器学习通常被认为与人工智能等同。
这不对。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，它利用数据来教导机器。
“机器学习是一门研究领域，它使计算机能够无需编程而进行学习。”
亚瑟·塞缪尔 (1959)
智能决策公式
- 保存所有操作的结果
- 模拟所有可能的结果
- 将新动作与旧动作进行比较
- 检查新动作是好是坏
- 如果新行动不那么糟糕，则选择它
- 重新做一遍
事实证明，计算机可以执行数百万次此类操作，能够做出非常明智的决策。
