非常重要，人工智慧的核心之一。是自動不斷資料採集，分析和最佳化的提升過程。當海量的大資料支撐下，智慧程度就會不斷的提高。

深度學習的機遇；

深度學習是機器學習的一種，本質上都是在統計資料，並從中歸納出模型。實際上，神經網路存在已久，深度學習的多層模型比起淺層模型，在引數數量相同的情形下，深層模型具有更強的表達能力。

如果將大資料比作水、計算力比作輸送水的工具，是GPU等採用水管來替代勺子更高效

地增大了灌水量（提高運算速度），是深度學習演算法訓練出來的深層模型這個容器加大了水

量的裝載力，極大地提高了效率。這樣的工程方法產生之後，深度學習搭建的深度神經網路

成為了工業界實用的武器，並且在若干領域都帶來了里程碑式的變化。

·深度學習的挑戰；

深度學習是近20年以來曝光度最高的技術，但它不是人工智慧的全部創新，它的創新發

生在上世紀80年代末，也就是人工智慧的多層神經網路技術熱潮，當時之所以沒有成功，甚

至還經歷了10多年的寒冬期，背後的原因是因為當時沒有像現在大量的資料、也沒有現在高

效能的計算力做大量的運算。

另外深度學習也存在缺陷。中國科學院數學與系統科學研究院數學研究所研究員、復旦大學教授陸汝鈴在為《機器學習》一書撰寫序言的時候提及，一是深度學習的理論創新還不明顯；二是因為目前的深度學習只適用於神經網路。

再有就是它的不可解釋性，深度學習從原始的輸入資訊到提取特徵到輸出資訊的過程是一個黑盒子，缺乏可解釋性。

有業界人士認為，“如何將深度學習過程和人類已經積累的大量高度結構化知識融合，發展出邏輯推理甚至自我意識等人類的高階認知功能，是下一代深度學習的核心理論問題“。

但也有人認為“人工智慧不是人類智慧，機器超過人腦並不需要模仿人腦，正如人消滅大型猛獸並不是透過更有力氣或更鋒利的爪子。人工智慧最大的作用不是模仿人類，而是把人類智力勞動中可機械化的部分機械化。再者機器的長處是個體之間的教育成本極低，交流速度極快。人和人之間交流資訊的速度只有幾個位元每秒，機器比這快幾百萬倍。機器根本不需要和人拼計算能力，只要拼進化速度，在自然選擇中必然會出現一種殺手機器。”

很重要吧，未來的時代肯定是人工智慧的時代，深度學習我之前聽我朋友在說，我朋友在中公教育的IT優就業學的程式設計，那邊老師最近給他說了深度學習的事兒，中公教育和中科院自動化研究院合作的課程，聽我朋友說是中科院的老師親自授課，查了下，中科院自動化研究所是華人工智慧領域的領頭羊老大吧，挺牛的，學完可以拿到中科院的證書，課程我也順便看了下還可以教課的老師很牛，你要是對這方面感興趣可以去中公問問，中公的質量啥的還是不錯的，我朋友之前在中公教育IT優就業學的程式設計，現在工作很不錯一個月兩萬多，工作也是學完那邊老師推薦的，現在工作兩年多了。