1.1.1　何为深度学习

深度学习从字面理解包含两个意思，分别是“深度”和“学习”。

1．学习

首先说“学习”这个词。我们从小就听着“好好学习，天天向上”的教诲，然后按时到校上课，在课堂上认真听讲，努力完成作业，在考试中取得一个好的名次。抽象地说，我们的学习就是一个认知的过程，从学习未知开始，到对已知的总结、归纳、思考与探索。比如伸出一根手指就是1，伸出两根手指加在一起就是1 + 1 = 2。这是一个简单的探索和归纳过程，也是人类学习的最初形态。

所以总结来说，这种从已经有的信息通过计算、判定和推理，而后得到一个认知结果的过程就是“学习”。

那么，读者看到这里也许会问，这个所谓的“学习”和“深度学习”又有什么关系？这里不妨更进一步地提出一个问题：对于同样的学习内容，为什么有的学生学习好而有的学生学习差？

这就涉及一个“学习策略”和“学习方法”的问题。对同样的题目，不同的学生由于具有不同的认知和思考过程，而根据其不同的认知得到的答案往往千差万别，归根结底，也就是由于不同的学生具有不同的“学习策略”和“学习方法”而导致不同的结果。

为了模拟人脑中的“学习策略”和“学习方法”，学术界研究出使用计算机去模拟这一学习过程的方法，被称为“神经网络”。

这个词从字面上看和人脑有着一点关系。在人脑中负责活动的基本单元是“神经元”，它以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞。人脑中含有上百亿个神经元，而这些神经元互相连接成一个更庞大的结构，称为“神经网络”，如图1.1所示。

图1.1　神经网络

但是到目前为止，科学界还是没有弄清楚人脑工作的具体过程和思考传递的方式，所以这个“神经网络”也只是模拟而已。

2．深度

这里再定义两个概念：“输入”和“输出”，输入就是已知的信息，输出就是最终获得的认知的结果。例如在计算1 + 1 = 2的这个过程中，这里的1和“+”号，就是输入，而得到的计算结果2就是输出。

但是，随着输入的复杂性增强，例如当你伸出三根手指，那么正常的计算过程就是先计算1 + 1= 2，之后在得到2这个值的基础上再计算2 + 1 = 3，这才是一个正常的计算过程。

这里举这个例子是向读者说明，数据的输入和计算过程随着输入数据的复杂性增加，需要一个层次化的计算过程，也就是将整体的计算过程分布到各个不同的“层次”上去计算。

图1.2展示了一个具有“层次”的深度学习模型，hidden_layer_1到hidden_layer_n是隐藏层，而左边的input_layer和右边的output_layer是输出层。如果这是一个计算题的话，那么在每个隐藏层中，都是对此题过程的一个步骤和细节进行处理。可以设想，随着隐藏层的增加以及隐藏层内部处理单元的增多，能够在一个步骤中处理的内容就更多，所使用的数据更为复杂，而能够给出的结果就越多，因此可以在最大限度上对结果进行拟合，从而得到一个近似于“正确”的最终输出。

图1.2　神经网络中的“深度”

归根结底，所谓“深度”就是人为地使用不同层次不同任务目标的“分层”神经元，去模拟整个输入、输出过程的一种手段。