在談談深度學習以前
必須先了解深度學習的概念是什麼
簡單講就是機器學習的其中一條分支--人工神經網路去研究發展出來的一條路線

你所知道的深度學習
人臉識別
自然語言處理
語音識別

人工智能的概念提出半個世紀後，遠遠沒有達到圖靈測試的標準。自2006年以來，機器學習領域，取得了突破性的進展。圖靈測試至少不是那麼渴望而不可及了。
這個突破性的進展就是深度學習—Deep Learning。借助於Deep Learning算法，人類中於找到了如何處理”抽像概念”這個難題的方法。
深度學習的本質就是人工神經網路，人工神經網路就是通過模擬生物神經網，而使得機器能夠具備學習能力，從而具備智能。

2012年6月，《紐約時報》披露了Google Brain項目，吸引了公眾的廣泛關注。這個項目是由著名的史丹福大學的機器學習教授Andrew Ng和在大規模計算機系統方面的世界頂尖專家Jeff Dean共同主導，用16000個CPU Core的病型計算平台訓練一種稱為“深度神經網路”(DNN，Deep Neural Networks)的機器學習模型(內部共有10億個節點)。
這一網路自然世不能跟人類的神經網路相提並論的。要知道，人腦中可是有150多億個神經元，相互連接的節點也就是突觸數更是如銀河沙數。曾經有人估算過，如果將一個人的大腦中所有神經細胞的軸突和樹突依次連接起來，並拉成一根直線，可從地球連到月亮，再從月亮返回地球。

項目負責人之一Andrew稱:”我們沒有像通常做的那樣自己框定邊界，而是把海量數據投放到算法中，讓數據自己說話，系統會自動從數據中學習。”另外一名負責人Jeff則說:”我們在訓練的時候從來不會告訴機器說:’這是一隻貓。’系統其實是自己發明或著領悟了”貓”的概念。”

(AlphaGo對上世界棋王李世石)

2016年3月，AlphaGo打敗圍棋世界冠軍李世石，AlphaGo是由Google DeepMind開發的人工智能圍棋程序，具有自我學習能力。它的主要工作原理就是深度學習。
2017年10月，DeepMind宣告最新版本的人工智能AI面世，這款新版本叫AlphaGo Zero，AlphaGo Zero完全不依賴於人類數據，自學三天圍棋，對陣AlphaGo竟然能取得100比0的戰績。