在介绍深度学习之前，我们先来大致了解下人工智能、机器学习和深度学习三者之间的关系。机器学习是人工智能的一种实现方式，也是最重要的实现方式，而深度学习是机器学习现在比较火的一个研究方向。如果把人工智能与机器学习当成两个学科来看，三者关系如下图所示：

如果把深度学习当成人工智能的一个子学科来看，三者关系如下图所示：

那什么是深度学习(DL, Deep Learning)呢？从概念上对比，相比于机器学习，可认为它是一种深度的，深层次的学习，如果说机器学习是学习人的学习能力，那么深度学习则是学习像人脑一样深层次地思考。

从字面上对比发现，二者都包含“学习”二字，何谓“学习”。举个例子，你如何知道1+1=2，首先你知道已知信息（输入）1和加号，然后伸出一只手指，再伸出一只手指，数一数，两只手指那就是2，于是得出计算结果（输出）。所以任何的从已经有的信息，无论是通过计算，判断，推理而后得到一个认知的过程都可以称为“学习”。说到学习，此处引入一个学习策略的概念。为什么有的人学习能力好，成绩高，但有的人成绩就没那么好呢。这经常的被解释为学习方法，思考过程，经验不同而导致的差异，可以统一归为“学习策略”，好的学习策略会更快更准确的得到认知的结果，而不好的学习策略可能会花费更多的时间或者错误的结论。

在进一步理解什么是深度学习之前，先大概介绍一下神经网络。现实世界中很多的问题都可以归为分类或者识别或者选择的问题，比如下围棋，下一步的棋子落在什么地方，就是此类问题。而研究此类问题，学术界研究出来一种叫做“神经网络”的学习策略。

这个词听起来，就知道和人脑有着一些关系。在人脑中负责活动的基本单元是“神经元”，它以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞构成，我们把神经元的结构想象成一棵枯树的枝干就可以了。人脑中含有上百亿个神经元，而这些神经元互相连接成一个更庞大的结构，就称为“神经网络”。

学术界试图模仿人脑的“神经网络”建立一个类似的学习策略，也取名为“神经网络”。下图就是一个神经网络的大致结构：

这里需要定义一个“层次”的概念，如上图就包括四层：最左边的输入层，和最右边的输出层。如果这是一道选择题的话，那么题目就是输入层，而ABCD的选择结果就是输出层，如上图的L1和L4分别是输入层和输出层。而选择题解题的过程是不写出来的，我们叫做“隐藏层”，这里L2和L3就是隐藏层，题目越难，给出的信息可能是越多的，而解题所需要的过程就越复杂的，也就可能需要更多的“隐藏层”来计算最终的结果，所以深度神经网络就是层数比较多的神经网络。

但是由于到目前还无法知道人脑工作的复杂性，所以神经网络也只能是形似而已，与人脑的神经网络还是有很多区别，其中一个比较明显的区别是：人脑可以解决通用性和跨领域的问题，而计算机神经网络只能解专门的问题，所以哪怕阿尔法狗在围棋界孤独求败战胜了所有男人，但他也不能识别出站在它面前的两个女生谁更漂亮。

现在再来理解什么是深度学习，或者我们可以将其拆开来理解，“学习”意思如上述所示，也可以理解成一种学习策略，即神经网络。而“深度”就是从“输入层”到“输出层”所经历层次的数目，即“隐藏层”的层数。层数越多，学习的深度也越深。所以越是复杂的选择问题，需要越多的深度层次。当然，除了层数多外，每层“神经元”（也就是如上图，橙色小圆圈的数目）也要多。例如，AlphaGo的策略网络是13层。每一层的神经元数量为192个。所以可以将深度学习理解为使用了深度神经网络的机器学习。

最后区分一下神经网络与人工智能、机器学习、深度学习之间的联系。神经网络是计算机实现人类行为的一种手段，所以不难理解神经网络包含于机器学习中。而深度学习则是神经网络的进阶版本，它的基本思路与神经网络类似，但往往比神经网络有着更复杂的结构以及优化算法，是神经网络的纵向延伸。

参考资料：

[1] 大胡子uncle .计算机神经网络和人脑的区别

[DB/OL].https://www.zhihu.com/question/24097648/answer/219167997，2017-08-24/2020-07-21

[2] duozhishidai. 人工智能、数据挖掘、机器学习和深度学习之间，主要有什么关系？

[DB/OL].https://blog.csdn.net/duozhishidai/article/details/87867635，2019-03-23/2020-07-21

[3] 陈运文.机器学习，深度学习，神经网络，深度神经网络之间有何区别？.

[DB/OL]. https://www.bilibili.com/video/BV1Zt411L7Dw?p=3，2019-01-28/2020-07-21