三、深度学习
关于 AI 算法是否要使用类人脑的运作方式去实现，早期是存在较大争议的。并且在深度学习出来之前，大部分的计算机科学家都投身到了，类似于模式匹配的研究方向。现在看来那种方法，当然是很难让机器变的和人一样智能。但我们不能以现在的眼光来看待当时的人们，当时关于数据和算力都很匮乏，所以自然就有一套理论反驳采用类人脑的思路去实现。
计算机的运行原理怎么可能和人脑一样呢？我们还是要采用传统算法去解决问题。这也间接导致了 AI 在当时一直停滞不前的局面。对于当年研究这个方向的博士来说，现实是残酷的。所以才有那句话：人的努力固然重要，但也要看方向。
1943 年神经科学家探究了人脑的运行原理，人的大脑是超过 100 亿个神经元通过网状链接，来判断和传递信息。
每一个神经元都是一个多输入，单输出。可以通过多个神经元得到信号，得到信号进行综合处理，如果有必要则会向下游输出信号。这个输出只有两个信号，要么就是0要么就是1，和计算机非常类似。所以他们就提出一个模型叫M-P模型。
人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。深度学习是一种以人工神经网络为架构，对资料进行表征学习的算法。
3.1 神经网络
如下图所示，一个圆就是神经元，而这些圆组成的就是神经网络。给神经网络足够多的数据，告诉神经网络做得好还是不好，不断训练神经网络，它就可以做的越来越好，完成识别图像这样的复杂任务。
其实神经元的计算就是一堆加法和乘法，只是因为它足够的多，所以就变得非常复杂。一个神经元可能有多个输入，只会有一个输出，但可以激活多个神经元。比如下图就是其中一个 Sigmoid 激活函数，可以发现它的值域为（0，1）。
