本书用来干什么：
  • 本书讨论一种解决方案。该方案可以让计算机从经验中学习，并根据层次化的概念体系来理解世界，而每个概念则从通过与某些相对简单的概念之间的关系来定义。
  • 让计算机从经验获取知识，可以避免由人类来给计算机形式化地指定它需要的所有知识。层次化的概念让计算机构建较简单的概念来学习复杂概念。
  • 人工智能关键挑战就是将非形式化知识传达给计算机。
机器学习：

AI系统自己获取知识（从原始数据中提取模式）

深度学习与机器学习关系：
  • 深度学习是通向人工智能的途径之一，是机器学习的一种。
  • 一种能让计算机系统从经验和数据中得到提高的技术。
人工智能任务解决方法：

选取一个合适的特征集，（声道大小）将这些特征提供给简单的机器学习算法。但是多数情况不知道如何选取特征，所以使用机器学习来发掘表示本身，而不仅仅把表示映射到输出。（表示学习）

深度学习模型经典例子：前馈神经网络/多层感知机。

多层感知机仅仅是一个将一组输入值映射到输出值的数学函数。该函数由许多较简单的函数复合而成。我们可以认为不同数学函数的每一次应用都为输入提供了新的表示.

解释深度学习的视角：
  • 学习数据的深度表示
  • 深度促使计算机学习一个多步骤的计算机程序
    （每一层表示都可以被认为是并行执行另一组指令之后计算机的存储器状态，更深的网络可以按照顺序执行更多的指令。顺序指令提供了极大的能力。）