人工智慧和深度学习：机器人的仆人成为现实

深学习是一个发展的领域中的人工智能的发展，正在迅速成为受欢迎的，在计算机科学。 作为一个子类别的学习机，它涉及的问题，例如使用神经网络，以优化语音识别、计算机的视野，处理自然语言，等等。 近年来，深入学习有助于解决这些任务作为知觉的对象、机器翻译和语音识别，而这些研究的主题，长时间不愿意屈服于大赦国际的。

神经网络的 信息技术的神经网络是一个系统的程序和数据结构应尽可能靠近工作的人的大脑。 一个神经网络通常使用的大量的处理并行工作，各有其领域的知识和他们自己的访问数据在当地的存储设备。
作为一项规则，神经网络最初是"培训"，也就是说，它提供了大量的数据和规则的关系(例如"父亲比父亲"). 在这之后，程序指示网络如何响应外部信号，(例如输入的数据用户的计算机与网络)或可发起活动(框架内访问外面的世界)。





深和机学习 ，以了解什么深度学习，重要的是要第一个独立的它来自其他学科领域的人工智能。
一个分支机构的人工智能是机械学习的时候一个计算机检索知识在受控制的进程。 作为一项规则，在这种情况下，人为操作，允许该机学习过数以百计或数以千计的培训例子，手动纠正错误。
虽然学习机已经获得了主导地位的领域的人工智能，仍然有缺点。 第一，它需要一个很长的时间。 第二，机械学习的可能不是真实的措施计算机的情报，使它使用人类的智慧和抽象的概念，能够使该机学习。
不同的学习机，深入学习在大多数情况下是无法控制的。 因此，有必要建立一个广泛的神经网络，使计算机的自我学习和"认为"，而无需人的直接干预。
深入的学习是不像一个计算机程序，说心理学家和专家在场的人工智能，加里*马库斯。 作为一项规则，计算机代码写在按照非常严格的合乎逻辑的步骤。 "但是在深深的学习，我们看到的完全不同的东西。 没有设置的说明，说：如果这是真的，那么这么做"，科学家说的。
而不是线性的逻辑，深入学习是根据理论是怎样的人类大脑的工作。 该计划包括相互交织的各层的节点相互连接的。 她学会通过改变组合的节点之间的连接之后，每一个新的经验。
深学习已经显示出潜力为基础的软件，能够工作，对情绪或事件的描述文字(即使没有明确表示)、承认对象的照片和使复杂的预测有关的未来可能的人类行为。

游戏深入教育 2011年，谷歌启动了一个项目，研究大脑"谷歌Brainproject"，在其建立是一个神经网络，与引入的算法，深入学习。 它是着名的其能够认识到概念在一个较高的水平。
去年，Facebook是创建了一个部分，在研究的人工智能。 帮助深入的学习解决方案是为了承认的人员和物体在350万照片和视频的每天上传在这种社会网络。
其他的例子深入学习中行动服务通过语音识别，如谷歌现在和苹果Siri。

未来的 深入学习的一个非常有前途的领域，并且它将使自动驾驶的汽车和机器人的仆人都是真实的。 这些机会仍是有限的，但是他们会是什么一种力量，仅仅几年前被认为是不可能的，而他们的观的人之间未来的前所未有的速度。 分析的能力巨大的数据集和使用深度的学习计算机系统，可以适应新的经验，而不必依赖于一个人的程序员，将导致重大科学发现。 它们发生在许多领域，从更有效的药物以新的材料和机器人的一个伟大的对世界的看法。

根据生活科学

资料来源：facepla.net