深度学习本质上是一种什么样的技术？本质上，人工智能是一个比深度学习更广泛的概念，我更愿意称之为思想。什么是深度学习？深度学习是机器学习领域中对模式声音图像等进行建模的方法。也是基于统计学的概率模型。深度学习的深度本质上意味着什么？
人工智能深度学习是什么？
曾被MIT技术评论列为2013年十大突破性技术Deep Learning居首，它是以ML中的神经网略学习算法存在的。人工智能现阶段分为弱人工智能和强人工智能，神经网络摇身一变成了如今的DL。学界对DL一般有两种看法，实际上当下科技能实现的所谓人工智能都是弱AI，仅仅用起提取powerful feature而另一种则希望将其发展成一个新的学习分支，即end-to-end说不定就是实现未来强AI的突破口1。
或者换句话说. 深度学习与AI。在DL还没有火起来的时候。DL与ML两者其实有着某种微妙的关系，随着计算资源和big data的兴起，奥创那种才是强AI甚至是boss级的，也就是我上面说的end-to-end的深度学习的思想。本质上来讲，人工智能相比深度学习是更宽泛的概念，深度学习这种技术我更喜欢称其为一种思想。
深度学习技术具体怎么理解？
现在深度学习在机器学习领域是一个很热的概念，不过经过各种媒体的转载播报，这个概念也逐渐变得有些神话的感觉例如，人们可能认为，深度学习是一种能够模拟出人脑的神经结构的机器学习方式，从而能够让计算机具有人一样的智慧而这样一种技术在将来无疑是前景无限的。那么深度学习本质上又是一种什么样的技术呢？深度学习是什么深度学习是机器学习领域中对模式声音图像等等进行建模的一种方法，它也是一种基于统计的概率模型。
在对各种模式进行建模之后，便可以对各种模式进行识别了，例如待建模的模式是声音的话，那么这种识别便可以理解为语音识别。而类比来理解，如果说将机器学习算法类比为排序算法，那么深度学习算法便是众多排序算法当中的一种例如冒泡排序，这种算法在某些应用场景中，会具有一定的优势。深度学习的深度体现在哪里论及深度学习中的深度一词，人们从感性上可能会认为，深度学习相对于传统的机器学习算法，能够做更多的事情，是一种更为高深的算法。
而事实可能并非我们想象的那样，因为从算法输入输出的角度考虑，深度学习算法与传统的有监督机器学习算法的输入输出都是类似的，无论是最简单的Logistic Regression，还是到后来的SVMboosting等算法，它们能够做的事情都是类似的。正如无论使用什么样的排序算法，它们的输入和预期的输出都是类似的，区别在于各种算法在不同环境下的性能不同。
那么深度学习的深度本质上又指的是什么呢？深度学习的学名又叫深层神经网络Deep Neural Networks ，是从很久以前的人工神经网络Artificial Neural Networks模型发展而来。这种模型一般采用计算机科学中的图模型来直观的表达，而深度学习的深度便指的是图模型的层数以及每一层的节点数量，相对于之前的神经网络而言，有了很大程度的提升。
深度学习也有很多不同的形式。根据问题解决的应用领域甚至作者的创造性名称，它也有不同的名称，如卷积神经网络、深度信任网络、深度信任网络、受限玻尔兹曼机、受限玻尔兹曼机、深度玻尔兹曼机、递归自动编码器、递归自动编码器、深度表示等等。
