深度学习

深度学习 是什么

深度学习是使用多层神经网络进行学习的机器学习方法：通过深层结构自动提取特征，无需人工设计特征工程。层数越深、参数越多，网络能表达的模式越复杂——这是近十年 AI 爆发的基础。

与机器学习的区别

传统机器学习依赖人工设计特征，深度学习让网络自动学习特征。数据规模与算力越大，深度学习的优势越明显——海量数据 + GPU 算力 + 深层网络，成就了大模型时代。

典型应用

• 图像识别：人脸、物体、医学影像。
• 语音识别：语音助手、实时转录。
• 自然语言：翻译、对话、内容生成。
• 视频与生成：文生图、文生视频。

关键组成

• 深度网络架构：CNN、RNN、Transformer。
• 大规模数据：预训练语料与数据集。
• 强大算力：GPU、TPU 集群训练。
• 优化方法：反向传播与梯度下降。

小结

深度学习让 AI 从「喂特征」走向「自动学特征」：数据与算力驱动深层网络。大语言模型、图像生成都是深度学习的产物，它是当代 AI 的核心技术。