深度学习这个听上去很高大上的名词其实就是在模仿我们人类大脑是怎么学东西的。
我们每天在网上遇到的「我不是机器人」验证，你得点选几张带有自行车、公交车的图片。那些图片就是帮助深度学习的，让电脑通过大量这样的例子学会分辨什么是对的，什么是错的。
首先，我们大脑里有很多神经元，它们互相联络着传递信息。深度学习就像是建造了一个人工神经网络，有输入层和输出层，中间可能还有好多隐藏层，就像我们大脑里的神经元层一样。
以前，电脑的算力有限，只能弄上一两层的中间层。但近些年，随着电脑变得越来越强大，我们现在能够训练成千上万层的网络，所以这就是为什么叫「深度学习」的原因。
深度学习的训练方法还挺好玩的。就像我们要教孩子认猫一样，给深度学习的输入层喂入大量的猫和非猫的图片，同时告诉输出层这是对的，那是错的。然后，网络就开始自己调整内部参数，使得在看到新图片时，输出的结果更接近「正确答案」。
比如，如果研究人员想训练一个网络辨别猫的图片，就会给输入层塞进数百万张「有猫」或「无猫」的图片，然后调整网络参数，使得网络能够找到最好用来判别有没有猫的特征。这是一个数学的过程，通过调整网络中成千上万的参数，最大程度地提高网络对「有猫」或「无猫」判断的准确性。
深度学习的灵感来自于人脑，但它的操作方式截然有别。尽管深度学习需要比人脑更多的数据，但一旦经过大数据的磨炼，它在相同领域的表现将远远超越人类，特别是在数字学习方面，比如说挑选购物者或者从大量人脸中挑选最匹配的一张。相较之下，人类在同一时间内只能专注于极少数的事情，而深度学习算法却能同时处理海量信息，发现在大量数据背后的那些模糊特征之间的关联。这些特征又复杂又微妙，常常是人类难以理解，甚至可能不会留意到的。
总之，深度学习就是在让电脑像我们人一样学习，通过大量的数据和正确答案，不断调整自己，最后能够对新的情况作出正确的判断。
这下懂了？
