深度学习:数据说明了什么?

深度学习是机器学习的一个子集，它使人工智能取得了巨大进展，对于希望部署人工智能的公司来说，它是最强大的工具之一。

但是什么是深度学习，究竟是什么？与其他类型的机器学习有何不同？深度学习教导计算机如何通过向他们展示很多和大量的示例来识别数据中的模式 - 想到数百万甚至数十亿。这些机器能够在不需要从人类的情况下学习。

深度学习是当今人工智能最令人兴奋的领域之一，它有可能让计算机发现图像和语音中的模式，这是它们以前无法做到的。一些公司也在大量使用人工智能来解决商业问题，而不仅仅是为了研究目的。

从技术上讲，深度学习是机器学习的分支。机器学习算法学会如何培训自己，因为数据被进入和退出系统 - 这允许他们单独“学习”培训数据，而没有外部专家对他们进行培训。深度学习是一种机器学习的子集，因为它专注于神经网络 - 一种计算机程序，在人类脑的作品是如何发展之后松散地建模的。神经网络由多个层组成，每个层表示信息抽象层。深度学习涉及构建具有多个隐藏层的系统，并利用人工神经网络来解决复杂问题。

在某些方面,深度学习类似于Netflix这样的公司所使用的机器学习算法对其电影推荐引擎或亚马逊推荐项目的客户以前购买某些产品,两家公司使用深度学习模型来为他们的客户提供相关的产品和服务。不同之处在于，深度学习模型的工作层次要复杂得多。例如，它们可以帮助识别图像和语言的模式。它们还可以根据过去收集的数据来预测信息，比如事件发生的可能性。

深度学习模型能够帮助企业更有效地使用数据，从而领先于竞争对手。这就是为什么如此多的公司——从寻找风险评估新方法的保险提供商，到为昂贵的日常开支问题而苦苦挣扎的医疗机构——都在密切关注深度学习将如何影响它们，并改变它们的业务运营方式。

深度学习系统不仅可以应用于机器人系统的图像识别，还可以将现代深度学习技术应用于人脸图像的识别。在未来，有了这些技术，我们可能不需要手语或其他类型的帮助聋人听不见。深度学习系统能够比其他系统更好地识别图像。这张图展示了深度学习系统与传统系统的图像识别结果。虽然传统的方法也是图像识别，但使用深度学习可以使其表现得更好。深度学习的优势在于它的结构，我将在本文后面解释这一点。