深度学习
深度学习（英语：Deep Learning）是 机器学习 的一个分支，指使用包含多个隐藏层的人工神经网络，从大量数据中自动学习层次化特征表示的一类方法。与依赖人工设计特征的传统方法不同，深度学习能够直接从原始数据中逐层提取由低到高、由具体到抽象的特征，从而在图像、语音、文本等复杂任务上取得突破性表现。它是当代 人工智能 浪潮的核心驱动力，支撑着 计算机视觉、自然语言处理 与 大语言模型 等众多领域的发展。
概述
[edit]深度学习的"深度"指神经网络中层的数量。通过堆叠多个非线性变换层，网络能够学习到数据中高度复杂的模式与表示。其核心思想是表示学习——让模型自动发现对任务有用的特征，而非依赖人类专家手工设计。
深度学习的成功离不开三大要素的共同推动：大规模标注数据的积累、图形处理器（GPU）等算力的飞跃，以及反向传播等训练算法的成熟。2012 年，深度卷积网络在 ImageNet 图像识别竞赛中大幅领先传统方法，被视为深度学习时代到来的标志性事件。
基本原理
[edit]人工神经网络
[edit]深度学习的基础是人工神经网络，它由大量相互连接的"神经元"组成。每个神经元接收输入、进行加权求和并通过激活函数产生输出。多个神经元构成层，多层堆叠便形成深层网络。
反向传播与梯度下降
[edit]网络通过反向传播算法计算损失函数对各参数的梯度，再利用梯度下降及其变体（如 SGD、Adam）不断调整权重，使模型预测逐步逼近真实值。这是深度学习模型训练的核心机制。
激活函数
[edit]激活函数为网络引入非线性，使其能够拟合复杂的函数关系。常用的激活函数包括 ReLU、Sigmoid 与 Tanh，其中 ReLU 因能有效缓解梯度消失问题而被广泛采用。
主要网络架构
[edit]卷积神经网络
[edit]卷积神经网络（CNN）通过卷积核提取图像的局部特征，具有参数共享与平移不变性等优点，是 计算机视觉 领域的主力架构。代表性网络包括 AlexNet、VGG、ResNet 等。
循环神经网络
[edit]循环神经网络（RNN）及其变体 LSTM、GRU 擅长处理序列数据，曾广泛应用于语音识别、机器翻译等任务。
Transformer
[edit]2017 年提出的 Transformer 架构基于自注意力机制，能够高效建模长距离依赖，已成为 自然语言处理 乃至多模态领域的主导架构，并直接推动了 大语言模型 的诞生。
生成模型
[edit]生成对抗网络（GAN）、变分自编码器（VAE）与扩散模型（Diffusion Model）能够学习数据分布并生成逼真的新样本，广泛用于图像、音频与视频的生成。
典型应用
[edit]深度学习已渗透到科技与生活的方方面面。在 计算机视觉 中，它支撑图像识别、目标检测与图像生成；在 自然语言处理 中，它驱动机器翻译、对话系统与文本生成；在 语音技术 中，它实现语音识别与语音合成。尤为值得关注的是，深度学习正深刻变革 生命科学 领域——例如 AlphaFold 利用深度学习高精度预测 蛋白质三维结构，基因组学 与 药物研发 也借助深度模型加速靶点发现与分子设计，成为连接人工智能与 生物信息学 的典范。
挑战与发展趋势
[edit]尽管成就斐然，深度学习仍面临诸多挑战：对大规模标注数据和算力的高度依赖、模型的"黑箱"特性导致可解释性不足（参见 AI 伦理与安全）、对对抗样本缺乏鲁棒性，以及高昂的训练能耗与碳排放。未来的发展趋势包括自监督与无监督学习以降低数据依赖、模型轻量化与高效推理、多模态融合，以及将深度学习与符号推理、知识相结合以增强模型的推理能力。
相关条目
[edit]参考与延伸阅读
[edit]- 深度学习经典教材（如《Deep Learning》）与综述文献
- CNN、RNN、Transformer 等架构的奠基性论文
- 主流深度学习框架（TensorFlow、PyTorch）与公开数据集资料