深度学习与深层神经网络，多层智能学习推动人工智能！
机器学习使计算机能够处理迄今为止仅由人执行的任务。从驾驶汽车到翻译语言，机器学习正在推动人工智能爆炸式的增长，帮助软件理解混乱而不可预知的真实世界。
但究竟什么是机器学习，又是什么让机器学习现在如此繁荣呢？
在很高的水平上，机器学习是教授计算机系统如何在馈入数据时做出准确预测的过程。 这些预测可以回答一张照片中的水果是香蕉还是苹果，发现在自动驾驶汽车前横过马路的人，电子邮件是否是垃圾邮件，或足够准确的识别语音以生成YouTube视频的标题。 与传统计算机软件的主要区别在于，人类开发人员没有编写代码来指导系统如何区分香蕉和苹果之间的区别。相反，机器学习模式通过对大量数据进行训练来准确地区分果实，在这种情况下会有大量标记为香蕉或苹果的图像。
机器学习可能已取得了巨大成功 ，但那只是实现人工智能的方式之一。在20世纪50年代人工智能领域诞生之时，人工智能被定义为任何能够执行具有人类智慧任务的机器。 人工智能系统通常至少会展示以下特征中的一部分：规划，学习，推理，解决问题，知识表达，感知，动作和操纵，以及社交智能和创造力。
除了机器学习外，还有其他各种用于构建AI系统的方法，包括进化计算，其中算法经历随机变异和代之间的组合以试图“演变”为最优解决方案。以及专家系统，其中计算机按规则进行编程允许它们模仿特定领域的专家，例如驾驶飞机的自动驾驶系统。 机器学习分为两大类：有监督学习和无监督学习。 什么是监督学习？这种方法基本上都是通过例子来学习。
在监督学习训练期间，系统暴露于大量被标记的数据，例如标明了对应数字的手写数字图像。给出足够的例子，监督学习系统将学会识别与每个数字相关的像素和形状，并且最终能够识别手写数字，能够可靠地区分数字9和4或6和8。
但是，对这些系统进行训练通常需要大量标记数据，有些系统甚至需要暴露于数百万个示例才能掌握任务。
深度学习与深层神经网络,多层智能学习推动人工智能!
