第一章 引言

原文关键点提炼

• 深度学习的定义与范围： 深度学习是机器学习的一个分支，利用多层神经网络自动从数据中提取特征并进行预测或决策。它通过逐层的表示学习，使模型能够从低级特征逐渐形成高级抽象。深度学习旨在构建类似人脑多层神经元结构的模型，以解决复杂的模式识别问题。
• 深度学习的发展历程： 深度学习并非突然出现的全新技术，而是经历了数十年的演变。20世纪40–60年代的控制论时期、80–90年代的联结主义时期以及2006年前后的深度学习复兴，构成了深度学习发展的三次浪潮。各阶段采用过不同名称（如人工神经网络、深度神经网络等），反映了研究重点和思想流派的变化。
• 历史趋势总结： 深度学习发展的历史趋势可以概括为几个关键方面：（1）曾经出现过多种名称和理念，但有的昙花一现，最终统一于“深度学习”；（2）可获取的训练数据量不断增长，数据驱动的学习效果随之提升；（3）计算硬件和软件基础设施持续改进，模型规模随计算能力提高而增大；（4）深度学习已能解决日益复杂的应用，并在现实世界中取得不断提高的精度。
• 深度学习的影响领域： 近年来深度学习在计算机视觉、语音识别、自然语言处理等领域取得突破，在机器人技术、生物信息学、搜索引擎、金融等广泛场景中发挥作用。深度学习的成功催生了众多新技术和应用（如自动驾驶、智能助手），推动人工智能进入新的发展阶段。