“Someone on TV has only to say, ‘Alexa,’ and she lights up. She’s always ready for action, the perfect woman, never says, ‘Not tonight, dear.’” —Sybil Sage, as quoted in a New York Times article

什麼是深度學習

跟機器學習一樣，找一個函數，讓輸入資料後的輸出答案盡可能貼合正確的資料。

深度學習跟機器學習差在哪呢？

當你不知道特徵，也不知道權重的時候，就可以考慮用深度學習。

從這張圖就可以看出來，機器學習需要人類先知道特徵，再去讓機器找出權重，但深度學習全都交由機器決定。

真的會有不知道特徵的時候?

舉個例子，大家都知道這個圖片是3，但我們無法具體地說出3的特徵是什麼，對於一個沒看過3的小嬰兒來說，它不知道3是什麼，可是隨著他長大，接觸很多很多的3後，他慢慢就知道3長怎樣了。

即便我們可以說出3的特徵就是一個拐角跟一個彎或兩個彎組成，但是在電腦眼中，圖片就是一堆像素的數字組合而成，它沒辦法去知道彎彎的地方是哪個地方，因為它看到的也只是數字而已。如果數字是在圖片的不同位置，那對機器來說又是完全不一樣的東西。

那不如就讓機器自己去學習數字的特徵吧，也就是使用深度學習。它雖然不知道數字是什麼，但它可以藉由接觸很多的數字後，知道數字大概長怎樣，它只會知道像素點的分布，並不會知道數字是什麼(其實跟我們人類一樣)。

再舉個例子，當我們需要機器跟我們聊天的時候，那機器就需要去分析我們跟它說的話的意思跟情感，情感本身就很難做特徵提取了，語意也很難，一個同樣的字放在不同地方可能有不同的意思，更何況可能還有上下文關係，前一句和下一句可能是有關聯的，所以基本上無法去定義它的特徵。

當然，像這種很複雜的任務，需要非常大量的資料以及運算能力，這也是為什麼深度學習在七、八零年代就出現，但是到近期才有所突破。