机器学习的优势在于，其实现人工智能的过程是通过和数据的交互自然形成的，相对于
第一代以人为提取的原则为基础实现人工智能少了对人为预先编制程序的步骤，适应范
围和灵活性大为增强。
深度学习是机器学习的一类，是种多层次的神经网络。相比于其他机器学习方法，不需
要预先建模，只要有足够训练的大数据集，就能根据数据输入产生具有极高准确率的输
出。深度学习应用简单，但也存在需要的数据量大，对算力的要求高等不足。相对而
言，深度学习以外的机器学习需要建模，在处理有限数据的特定问题时适应性好，对算
力要求也不高，在普通pc机就能运行。
深度学习只是在层次性结构方面模仿了脑神经网络的结构特点，实现了分层逐次提取特
征，对输入数据进行分类鉴别的人工智能。具体而言，cnn除了分层结构之外，还模仿
了人脑视觉皮层的具体结构特点，所以目前的分类任务都等同于先转化成图像，再用
cnn进行分类。人脑结构除了视觉皮层以外，还有很多其他功能和结构。深度学习下一
步的工作，就是在层次化的基础上，借鉴脑的功能和形态，实现类似于cnn的更多结
构。
【 在 seracron (徐老师粉丝天团 @群号311040483) 的大作中提到: 】
: 你展开说说
:
--
FROM 218.249.201.*