隨著阿爾法狗、無人駕駛、智能翻譯的橫空出世，“人工智能”這個已經存在60多年的詞語，仿佛一夜之間重新成為熱詞。同時被科技圈和企業界廣泛提及的還有“機器學習”“深度學習”“神經網絡”…… 但如此喧囂熱烈的氣氛之下，大部分人對這一領域仍是一知半解。

1 月 24 日，微軟（中國）CTO 韋青老師，權威領讀”深度學習”，并與大家分享智能時代人工智能的本質。如何擁抱變革，蓄勢未來？敬請關注

掃碼立即預約觀看

先來劇透一下“人工智能”、“神經網絡”、“深度學習”和“機器學習”的區別！
深度學習是機器學習的一部分，機器學習是人工智能的一部分。

在人工智能中，一個新領域成長起來，稱為機器學習，是收集大量關于試圖理解的事物的數據。例如，機器正在嘗試識別對象，因此可以收集大量相關的圖像；然后，通過機器學習——這是一個可以剖析各種特征的自動化過程，就可以確定一個物體是汽車，而另一個是訂書機。在機器學習中有受大腦啟發的神經網絡，然后是深度學習。深度學習算法具有特定的體系結構，其中有許多層數據流經的網絡。

深度學習的優勢

如今，計算力越來越便宜，勞動力卻越來越昂貴，以至于慢慢地，讓計算機學習會比讓人類編寫程序更有效。機器學習是計算密集型的，只需編寫一個程序，通過給它不同的數據集，便可以解決不同的問題。因此，對于存在大量數據的任何事物，都有對應的大量應用程序。

人工智能會影響神經科學嗎？

它們是并行工作的。創新神經技術已經取得了巨大的進步，從一次記錄一個神經元到同時記錄數千個神經元，并且同時涉及大腦的許多部分，這完全開辟了一個全新的世界。隨著深入了解了大腦的工作原理，這些認識將反映到AI中。但與此同時，它們實際上創造了一整套學習理論，可用于理解大腦，讓我們分析成千上萬的神經元以及它們的活動是如何產生的，所以神經科學和人工智能之間存在著一種反饋循環。

深度學習有趣的應用領域

生成對抗網絡，或稱GANs。GANs能夠在沒有輸入的情況下開展活動，產生輸出。從某種意義上說，它們會產生內部活動。事實證明這是大腦運作的方式。現在，這種新型網絡可以生成從未存在過的新模式。例如，給它數百張汽車圖像，它會創建一個內部結構，可以生成從未存在的汽車新圖像，并且看起來完全像汽車。

人工智能專家認為，受大腦生物學啟發的、那些被稱為“神經網絡”“連接主義”和“并行分布處理”的AI實現方法，會最終解決困擾基于邏輯的AI研究難題，從而提出了使用可以從數據中學習技能的數學模型。正是他們，證明了基于大腦式的計算的全新方法是可行的，從而為“深度學習”的發展奠定了基礎。

想聽取更多針對“深度學習”的解讀？?

1 月 24 日?

微軟（中國）CTO 韋青老師?

與大家分享 2019 年人工智能的新商業機會，?

以及個人應該如何做好準備，迎接 AI 時代

點擊閱讀原文觀看直播

本文整理自《深度學習：智能時代的核心驅動力量》一書，及科技網站《The Verge》及《TechRepublic》對特倫斯·謝諾夫斯基的專訪，原文地址如下：
https://www.theverge.com/2018/10/16/17985168/deep-learning-revolution-terrence-sejnowski-artificial-intelligence-technologyhttps://www.techrepublic.com/article/the-deep-learning-revolution-how-understanding-the-brain-will-let-us-supercharge-ai/

---

.NET社區新聞，深度好文，歡迎訪問公眾號文章匯總 http://www.csharpkit.com

總結

以上是生活随笔為你收集整理的微软技术专家为您解读深度学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。