一直想用简单的语言写写什么是深度学习，所以就用尽量用图文并茂的方式先简单讲讲关于人工智能和深度学习。

什么是人工智能（AI）？

人工智能（Artificial Intelligence，简称AI），其实从字面我们很好理解，通俗的讲就像我们科幻电影里看的机器人，具有类似甚至超过人类智商水平的人造机器或者程序。

严格定义来说，人工智能是计算机科学的一个分支，通过了解智能的实质，产生能以人类智能相似方式做出反应的智能机器，包括机器人、自然语言识别、图像识别和专家系统。

人工智能当然是和人类的智能做参考开发的，所以我们了解下人类的智能。人类通过进化，产生了高级智能，这些智能包括智商、情商、财商、逆商和爱商，这5个商是类区别于其他低等动物的根本。

人类进化产生高级智能：智商、情商、财商、逆商和爱商

所以，人工智能的其实就是通过人工的方式产生具备人类智商、情商、财商、逆商和爱商这5种高级智能的机器或程序。至少目前我们人类还没有造出这种水平的智能机器，但在可以从科幻电影里可以举个例子：

科幻电影《人工智能》剧照

大导演斯皮尔伯格的经典科幻电影《人工智能》，主人公机器人小孩大卫，不仅对领养他的"父母"产生了感情（爱商），而且最后在各种逆境中艰难的寻找自己的人类母亲，甚至被困在海底几百年也不放弃自己的信念（逆商），这样的人工智能机器人，已经具备了人类的智能水平。

人工智能的类型

通过上面的阐述，你也许能大概把人工智能分成2类：具备人类智能的人工智能和不具备人类智能的人工智能。实际也差不多就是这样分类，我们现在把人工智能一般分为人工智能和强弱人工智能两类：

对于强人工智能，很明显，具备人类智商、情商、财商、逆商和爱商这5种高级智能，与人一样的感知（甚至比人更多），可以像我们一样思考。比如电影终结者中的主人公：

科幻电影《终结者》: I will be back

而弱人工智能，就是能与人一样，甚至比人更好地执行特定任务的技术。如图像分类、机器客服等。弱人工智能在我们的生活中其实已经很普遍，随处可见了，比如银行或者酒店的前台接待机器人：

我们这篇文章谈论的主要是以弱人工技术为主，但随着ChatGPT的突然爆发，让我们感觉到人工智能越来越强大，甚至给人感觉人工智能已经会“思考”了，但我们也应该了解，强大的ChatGPT的后台技术其实也是以深度学习为基础，相信随着技术的不断进步，弱人工智能和强人工智能之间的界限会越来越模糊甚至逐渐融合。

人工智能发展

其实人工智能很早就开始发展了。比如人工智能的核心技术深度学习，我们举个例子：

90年代美国银行的支票

90年代就已经出现了神经网络：美国银行有很多支票，员工不愿理每天监测，于是用神经网络训练了一个模型，监测手写字体，效果还不错。但是太慢了，因为那个时候的电脑太差，没有GPU，也没有并行计算等概念，所以当时逐步就放弃了。

所以人类很早就开始尝试通过深度学习的技术实现人工智能，但是无奈当时的硬件水平（算力）太低，无法满足深度学习训练数据需要的GPU运算要求。

具体来说，人工的反战可以从如下图看出：

人工智能的发展线路

早在1955年，人工智能之父约翰·麦卡锡到IBM打工(美国教授都是九个月工资，如果没有研究经费，夏天要自己觅食)，他和他的老板是罗切斯特两人在1956夏天在达特茅斯搞一次学术会议，在会议上他们讨论了如何让计算机像人类那样思考的话题和方法，并且就是在这个会议上，提出了人工智能（Artificial Intelligence）这个词。

于是，人工智能从那个时候开始像一颗火花慢慢绽放，虽然经历的几次技术破折和发展的寒冰时代，但到了2000年后，它终于随着我们人类的计算机算力、存储、算法的各方面新技术的提升而全面爆发。目前，深度学习（以神经网络为基础的技术）已经成为人工智能最主要的实现技术。

什么是深度学习?

好了，做了上面的铺垫，现在终于正式说回什么是深度学习。深度学习是一种人工智能算法（或者叫技术），它通过构建神经网络模型，让神经网络学习人类的知识，通过不断地学习训练，神经网络将逐渐的产生“智能”，帮我们完成某些特定的任务，比如回答问题，图片分类、物体识别等等。

所以，我们要记住，深度学习是一种通过构建神经网络模型实现人工智能的技术。

还有要说明的是，某些神经网络构建的目的可能不是完成非常明确的特定任务，这点随着ChatGPT的到来越发明显，ChatGPT可以实现很多意想不到的任务，然而这些任务可能在ChatGPT模型训练之初并不是其训练的目的。

现在说说神经网络，也许你已经想到了，就是我们的大脑，我们的大脑由100多亿个神经细胞组成，这些神经细胞组成了复杂的网状结构，这个神经网不仅能存储信息（记忆），还能处理信息（思考）。据研究，我们的大脑每天能记录约8600万条信息.，人的一生能储存100万亿条信息。

神经网络

大脑的神经网络处理信息的最基本单元是神经元，每个神经元细胞周围有突触，它可以接收其他神经元细胞传递的电信号，神经元细胞核将各个突触接收的信号处理后，再通过轴突结构传递出去给下一个（或多个）神经元细胞。

生物神经元

深度学习就是参考了生物的神经网络和神经元的信息处理方式而构建的。不同的是，深度学习构建的神经网络是一层一层的，看起来比较整齐，不像生物神经网络的网状结构那么复杂。我们构建的神经网络通常有很多层（深层），层数越多，越能抽取信息更多的含义，这就是深度学习这个名称的由来。

深度学习中的神经网络

可以看到，这个网络由一个输入层（ Input Layer）,中间的多个隐藏层（Hidden Layer）以及最后的输出层（Output Layer）构成。

信号（一句文本，一张图片或一段语音等）通过输入层输入，经过隐藏层对输入信号的处理，逐层解读信号，最终“理解”输入并且通过输出层输出特定的结果（如文本的分类、图片中的物体位置、语音转为文本等）。

下面就是一个常用的神经网络的实际用例：

通过神经网络区分图片

将图片像素信息（通常是像素值的矩阵）作为输入，经过训练后的神经网络判断，输出2个值，一个值代表是猫的概率，另一个值代表是狗的概率，比较哪种动物的概率高，得到图片是何种动物的结果。

总结

以人工智能铺垫，本文通过简单的方式介绍了深度学习，深度学习是目前人工智能领域最流行的开发技术，即使是最火的ChatGPT，也是基于深度学习构建的。深度学习能为我们的世界带来各种无限的可能，比如我曾经通过神经网络来分析某购物网站的商品评论信息，从而带给我更加精准和全面直观的商品评价信息，而不是简单的好中差评。

好了，关于深度学习的简单介绍就先到这里，后面还会继续推出关于深度学习更深入的介绍，谢谢！

可乐Sir.