現在社會，隨著科技的飛速發展，互聯網已經走進了我們的生活，人工智能的出現讓很多人感嘆科技發展迅速的同時，也深深感受到了人類的危險，無論你相信與否，AI已經來到。
現如今，深度學習已經在多種應用上取得了突破性進展。卷積神經網絡是這一波深度學習浪潮的引領者。AlexNet在ILSVRC圖像識別競賽中所帶來的驚人表現，讓學術界看到了深度學習所蘊含的巨大潛力。在隨後的幾年中，隨著GoogLeNet，VGGNets、ResNets等模型的提出，CNNs的識別準確率持續提高，讓計算機擁有了超越人類的圖像識別能力。
同時，深度學習在自然語言處理方面同樣取得了巨大的成功，不但有Siri這樣可以與人類正常交流的對話機器人，甚至能夠寫詩、作曲。未來寫詩、作曲由機器完成的話，會如何？
深度學習比傳統機器學習模型多了多級特徵提取的結構，能夠進行表示學習，這樣才算是有深度。從這個意義上說，只有兩個隱層的神經網絡就不能算是有深度的結構，因為它並沒有能力分級提取特徵。
理論上來說，只要神經元足夠多，構成一個很"寬"的網絡，它可以擬合任意的函數，那為什麼還要更"深"？原因在於：在神經元數量相同的情況下，深層網絡結構具有更大的容量，分層組合帶來的是指數級的表達空間，能夠組合成更多不同類型的子結構，這樣可以更容易地學習和表示各種特徵。並且，隱層增加則意味著由激活函數帶來的非線性變換的嵌套層數更多，就能構造更復雜的映射關係。
總結來說，深度學習是一種機器學習方法，同時也是目前最有希望具有處理複雜的真實世界問題的能力的人工智能方法。深度學習的分層結構能夠從簡單概念的組合中學習到高級抽象的特徵表示，讓計算機真正具有理解世界的能力。
人工智能這樣發展，我們是否感受到了威脅在靠近？
閱讀更多 科技小梵 的文章
