四、深度学习

深度学习（deep learning，DL）是指不需要人类设定某些特征从而提取这些特征参数的计算技术。DL是机器学习的一个子集，由算法组成，允许软件通过将多层人工神经网络暴露于大量数据中来训练自己执行任务。当数据被输入输入层后，即以分层的方式按顺序处理，每一层的复杂程度由浅入深不断增加，整个过程相当于人工神经网络松散地模仿大脑中的分层组织进行工作。在此过程中，软件算法对优化函数不断进行迭代训练，从而塑造出各层的最优处理函数以及它们之间的联络关系。所以，DL方法与基于手工特征的方法相比，这些算法通常需要更大的标记数据集来开发。同时，DL的一个缺点是学习到的特征可能不符合人类可以预期的特征参数，即它们通常是不可解释的，因为它们依赖于与其他不可解释的特性的复杂交互。因此，尽管DL算法可能更准确，但它在处理过程中实际是一个“黑匣子”，这意味着DL算法的输出结果是否是预期目的的答案仍然是个未知数，而且随着模型每次迭代学习，每次运行算法都可能不同。