三、深度学习

深度学习作为一类先进的机器学习技术，近几年来引起了研究者极大兴趣。与传统的机器学习相比，深度学习无须人工特征工程即可处理输入数据，能够自动识别大量数据中的复杂结构，通过算法直接从样本中学习，取代了手动编码。经典方法是从经验数据中提炼出一组生物标记或特征，然后分类器根据已知标签特征的训练集，学习从新的特征中识别正确的标签。

需要指出的是，传统的机器学习算法在基于Haar的人脸及物体检测、指纹识别等领域已基本实现商业化的应用或达到特定场景的商业化水平，但再进一步却异常艰难，直到深度学习算法的出现。其实早年间不少想法已被提出，但由于当时训练数据量不足、计算能力落后，最终的效果不尽如人意。进入21世纪后，互联网行业飞速发展，形成了海量数据，同时数据存储的成本也快速下降，使得海量数据的存储和分析成为可能。2006年是深度学习发展史的重要一年，杰弗里·辛顿在这一年发表了《一种深度置信网络的快速学习算法》，其他重要的深度学习学术文章也在这一年被发表，在基本理论层面研究者们取得了若干重大突破。近年来，随着硬件、算法、云服务和大数据的大力发展，人工智能得以广泛应用。