前面提到，深度學習是目前機器學習方法中，最有效的方法之一。
例如你今天想要訓練機器辨識貓咪，
在深度學習出現之前，工程師通常是寫了一套規則，告訴機器怎樣是一隻貓的特徵，
例如：有尖尖的耳朵，圓圓的眼睛的動物。
然後當機器如果發現一張圖片中出現這樣的特徵，它就會告訴你這是一隻貓。
但如果今天出現這樣的貓....
機器可能就辨識不出來了。
而深度學習的出現，讓我們不用去定義這些規則，
我們用很多的資料訓練機器，可能是幾萬張、各式各樣貓的圖片，
並且告訴他這些都是貓(Supervised learning)，
讓機器自己去學一個辨識貓的模型。
然後它就會慢慢從這些資料中歸納出貓的特徵，
這裡的特徵，不一定是尖尖的耳朵或尾巴，可能是更抽象的概念，
例如輪廓或是結構，人很難去定義出來。
最後，當學到越來越多特徵後，機器就學會如何正確分辨貓了。
不論之前有沒有看過。
這就是深度學習最最基礎的概念。
iThome鐵人賽
看影片追技術