技术继续以惊人的速度发展。从无人驾驶汽车到超级计算机和无人驾驶飞机，《机器人》一书中描述的世界正在成为我们的现实，无论好坏。是什么在推动这项技术？人工智能（AI）及其许多子类别，包括机器和深度学习中国机械网okmao.com。
虽然AI是一个巨大的领域，涵盖了所有可以执行原本需要人类智力的任务的机器，而机器学习是机器可以自主学习新任务的过程，但深度学习完全是另一种野兽。深度学习是AI和机器学习的一个子集，它试图制造出首个具有类人思维能力的机器。它依靠算法来模仿人类大脑的学习方式来处理信息和“学习”新技能。
深度学习如何工作
那么，如果深度学习是关于训练机器来像人脑一样处理代码，那么它如何工作？
深度学习涉及复杂的分层算法（称为人工神经网络）的开发，该算法允许机器从大型数据库中不断学习。为了使算法更深，通常至少需要六层，但通常需要更多层。每层代码负责在数据集中查找特定模式。例如，旨在为像Spotify这样的公司推荐新音乐的深度学习算法将具有多个层次。一层可能专门针对以前播放的流派。另一层可以查看喜欢或不喜欢的歌曲，另一层可以查看被跳过或重复的歌曲。
随着数据集的增长，算法变得更加强大，因为当新数据可用时，这些算法被构建为独立地“学习”。该功能是深度学习所独有的，可扩展，非常符合人脑对新信息的适应方式。
深度学习层的类型
如果深度学习听起来很复杂，那是因为事实如此。深度学习算法依赖人工神经网络进行计算，并且每一层都扮演不同的角色。诸如多层感知器神经网络（MLPNN）之类的层是一种学习算法，用于搜索输入和输出数据之间的依赖性和相关性。反向传播层是主要训练层，用于计算加权梯度下降。它也从输出向输入向后更新，并且是神经网络训练的关键。
其他层包括卷积神经网络（CNN），该网络主要分析视觉数据。循环神经网络（RNN），主要用于识别模式和趋势并预测即将发生的情况；长短期记忆（LSTM）可稳定加权梯度；生成新数据的对抗网络（GAN）；用于二元因子分析的受限玻尔兹曼机（RBM）模型；和深层信任网络（DBN），用于根据概率生成新的生成模型。
深度学习算法越复杂，它将具有的层越多，并且效果越好。
深度学习是AI的未来
深度学习仍然是早期的发展，但它无疑是当今用于制造自主的，自我思考的机器的更强大的技术之一。虽然今天它的应用，如虚拟助理，销售算法，面部识别软件，以及聊天机器人，使用同样的技术也将电源自动驾驶汽车，自主数据收集无人机，和这么多的不那么遥远的未来。