我们在上一篇文章中给大家介绍了深度学习的产生背景，以及深度学习的原理。在这篇文章中我们给大家介绍更多人工智能需要的知识，希望这篇文章能够帮助大家更好地了解人工智能中深度学习的知识，好了下面我们进入正题。

我们一直说深度学习，那么什么是深度学习呢？简单地说，深度学习就是把计算机要学习的东西看成一大堆数据， 把这些数据丢进一个复杂的、包含多个层级的数据处理网络，也就是深度神经网络，然后检查经过这个网络处理得到的结果数据是不是符合要求——如果符合， 就保留这个网络作为目标模型， 如果不符合，就一次次地、锲而不舍地调整网络的参数设置，直到输出满足要求为止。而我们要做的，只是告诉计算机输入和预期的结果，让他自己找规律。当然，新的输入进入时，我们也要保证已经调节好的模型不变化。也就是说，深度学习算法是有计算机自己凑出来的模型。这样反倒更加实用。更能够从本质上解决问题。

而进行深度学习的两个前提条件就是必须有强大的运算能力和高质量的大数据。当然，搭建好的模型只有通过各种类型数据的检验，才能变得越来越接近真实的世界，值得一提的是，大数据正是为这些模型提供了源源不断的数据。深度学习、大规模计算、大数据都逐渐步入成熟的它们三位一体，当然，在大数据发挥作用的同时，人工智能研发者也一定不要忘了，大数据的应用必然带来个人隐私保护方面的挑战。为了给你推送精准的广告信息，就要收集你的购买习惯、个人喜好等数据，这些数据中往往包含了许多个人隐私；为了获得以人类基因为基础的医疗大数据来改进疾病的诊疗，就要通过某种渠道收集尽可能多的人类基因样本，而这些数据一旦保管不善，就可能为提供基因样本的个人带来巨大风险；为了建立智能城市，就要监控和收集每个人、每辆车的出行信息，但是我们还是需要注意这些数据的安全问题。这样也是对社会负责。

我们在这篇文章中给大家介绍了深度学习的概念以及进行深度学习的两个条件，倘若我们想进入人工智能领域工作的话，我们必须好好吃透深度学习的内容。只有奠定坚实的基础，我们才能更好地发挥人工智能应有的作用。