长久以来，围棋被看作是人类发明中最复杂、最具开放性的智力游戏之一。许多专家曾预测，电脑在几百年的时间内都不可能在围棋上战胜人脑。
2017年，乌镇的一场“人机大战”，吸引了全世界的目光。自从智能机器人AlphaGo以4:1的成绩战胜韩国棋手李世石九段以后，中国棋手柯洁九段再度迎战AlphaGo，试图为人类扳回一局。
最终的比分定格在0：3——横空出世的AlphaGo让很多人真正意识到了人工智能和深度学习的强大力量。它拥有以深度神经元为代表的智能系统，意味着人工智能可以在某些领域挑战人类智慧的极限。
深度学习是机器学习的一种。它在本质上是一种包含多个隐含层的人工神经网络。它从大量数据中学习表示（或特征），以便在分类和预测时从中提取有用信息。理论上，参数越多的模型复杂程度越高，容量就越大，也意味着它能完成更复杂的学习任务。
这里的“学习”本质上是认知的过程，从未知到已知的探索和思考。“比如1+1=2，一根手指是‘1’，再伸出一根手指，数一数，两根手指那就是‘2’。”这里的“1”和“加号”就是输入，而得到的计算结果“2”就是输出。所以，任何的从已经有的信息，最终获得一个认知的过程都可以称为“学习”。
在柯洁与AlphaGo对弈过程中，下一步的棋子落在什么地方，是一种选择问题。当前科学家正用一种叫做“神经网络”的学习策略，来解决这类问题。这类似于在人脑中负责活动的基本单元“神经元”，互相连接成一个更庞大的“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。层数越多，学习深度也越深。所以，越是复杂的选择问题，越需要深度的层次多。当然，除了层数多外，每层“神经元”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。
由此也可见深度学习的局限性——计算的局限，模型的局限，以及过度地依赖标注数据。“有人说，这几年人工智能的发展是大数据发展的成果，也就是认为我们的模型更多还是依靠数据。”现场有专家表示。
人工智能信息网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：首页 > 大数据 » 深度学习—— 大数据技术的成效