1. 深度學(xué)習(xí)與AI。本質(zhì)上來講，人工智能相比深度學(xué)習(xí)是更寬泛的概念。人工智能現(xiàn)階段分為弱人工智能和強(qiáng)人工智能，實(shí)際上當(dāng)下科技能實(shí)現(xiàn)的所謂“人工智能”都是弱AI，奧創(chuàng)那種才是強(qiáng)AI（甚至是boss級(jí)的）。而深度學(xué)習(xí)，是AI中的一種技術(shù)或思想，曾被MIT技術(shù)評(píng)論列為2013年十大突破性技術(shù)（Deep Learning居首）?；蛘邠Q句話說，深度學(xué)習(xí)這種技術(shù)（我更喜歡稱其為一種思想，即end-to-end）說不定就是實(shí)現(xiàn)未來強(qiáng)AI的突破口。

　　2. 深度學(xué)習(xí)與ML。DL與ML兩者其實(shí)有著某種微妙的關(guān)系。在DL還沒有火起來的時(shí)候，它是以ML中的神經(jīng)網(wǎng)略學(xué)習(xí)算法存在的，隨著計(jì)算資源和big data的興起，神經(jīng)網(wǎng)絡(luò)搖身一變成了如今的DL。學(xué)界對(duì)DL一般有兩種看法，一種是將其視作feature extractor，僅僅用起提取powerful feature；而另一種則希望將其發(fā)展成一個(gè)新的學(xué)習(xí)分支，也就是我上面說的end-to-end的“深度學(xué)習(xí)的思想”。