首先引入對深度學習很規範的解釋：深度學習是人工智能算法，訓練神經網絡的一種方法，可以訓練很深的神經網絡。
是不是一臉懵，啥是算法，啥又是神經網絡，啥還是很深的神經網絡。
問題不大，下面一說你就明白了。
你眼中的算法
算法只不過是一種解決問題的方式。比如，日常工作出差選擇走路、自駕汽車、火車臥鋪、飛機經濟艙交通方式，這些交通方式都可以理解為解決出行問題的算法。當然算法也有效率高低之分，飛機和走就是很明顯的效率高低對比。
其實算法可以是這樣的
沒錯，算法肯定不會這樣一目瞭然，設計一個想法還需要更詳細地從硬件、從軟件等方面考慮，確保算法在空間複雜度和時間複雜度上都能達到最佳。
接下來說說神經網絡。
眾所周知，人體佈滿神經網絡，但這裡指的不是人體神經網絡，深度學習也有神經網絡，兩者說有聯繫也有，說一點都不沾邊也行。
人體通過各個神經元感知、捕獲和解析外界信息，然後經神經網絡傳輸，經過層層神經元，最終到達大腦，大腦再根據傳過來的信息進行反饋響應。
深度學習神經網絡
深度學習受人體神經網絡啟發，將一個個數學公式作為神經元，公式與公式之間連成線，公式計算結果作為下一個公式的輸入，最後，通過公式層層計算，得到輸出結果。這樣，他們就組成了深度學習的神經網絡。
很深的神經網絡，顧名思義，自然就是比上圖多出很多很多層的神經網絡。
那麼為什麼需要那麼多層呢。
如今天氣預報越來越不需要人工分析了
文章題目也點明瞭，深度學習就是”找茬“找規律，對於天氣這種結構化數據，比如風速、風向、雲層厚度、太陽活動等數據，一兩層的神經網絡，完全可以通過公式，反覆調試找出其中的規律，最後訓練出很好的天氣預測算法。
你的美顏相機使用的就是深度學習算法
而對於圖片非結構化數據，如何區分胳膊、大腿、眼睛、鼻子呢，實踐證明，輸入數據量越大，神經網絡越深，圖片中的規律越容易找到，那麼最後訓練出來的算法準確度越高。
人工智能迅速興起，完全是得益於深度學習算法的崛起，某種意義上說如今的人工智能就是深度學習。
深度學習已深入尋常百姓家，深入各個專業領域。當前疫情全球擴張，威脅著人類的安全、經濟、文化等。我們可以收集相關數據，如病毒對各類藥物反應、病毒構造、疫情週期等等，如果數據量夠大，相信深度學習算法能夠很精準的預測疫情、預防疫情、控制疫情。
科技一定能改變人們的生活方式，但也要警醒要跟自然友好相處，自然的力量才是最無窮的。
閱讀更多 搞機網 的文章
