深度学习可模拟复杂的人类大脑

谷歌的围棋软件利用深度学习，击败了世界围棋冠军，成为人工智能的又一个里程碑。

大脑皮层是调节躯体运动或者说控制躯体运动的最高级中枢。人类大脑皮层的神经细胞约有140亿个，面积约2200平方厘米。皱巴巴的新皮层正是思维诞生之处，占大脑总重的80%。

深度学习是在人工“神经网络”中模拟新皮层中大量神经元阵列

多伦多大学计算机科学教授杰弗里欣顿的“深度”模型重新激发了人们对神经网络的兴趣。这种模式能更好的利用许多层软件神经元，但该技术扔需要大量的人力参与。直到2006年，欣顿开发了一种更有效的方式来训练多层神经元。

谷歌展示了当时最大的神经网络之一，拥有超过10亿个连接；到了2015年美国公司Digital Rasoning公布的神经网络包括1600亿个参数。

不过这种学习需要海量的数据，和大量的计算机支持。

尽管深度学习有了这么多进步，但并非每个人都认为深度学习能把人工智能变成某种能与人类智慧相匹敌的东西。主要的批评者认为，深度学习就像一个潘多拉黑盒，无从得知其中发生了什么，经验过多，理论不足。还有一些人认为，深度学习和人工智能总体而言忽略了大脑的生物学特征，而更倾向于蛮力计算。

还有研究者认为贝叶斯式的学习方法优于深度学习，这更符合人类学习的方式，而且不需要那么多数据来训练，“只看一眼就会写字”，仅用少量的例子就能让计算机学习到字体的本质特征。

另外有一些“强人工智能”的支持者认为，仅靠深度学习无法实现真正的人工智能。深度学习缺乏因果关系的表达，也无法进行逻辑推理，因此不能形成抽象知识。

深度学习的快速发展不仅吸引了互联网公司如微软、谷歌、百度、脸书等的大力投入，近些年来，半导体硬件公司英伟达、高通、ARM、英特尔等也开始研究适合人工神经网络运算的芯片和硬件设备。同时也涌现出越来越多的创业公司致力于推进深度学习的技术研发和产业化。

终有一天，深度学习会能完美对话的机器人出现在我们生活中。