今天作为机器学习这系列的收尾，我们来聊聊深度学习与机器学习的差异，以及为什麽现今的机器学习/深度学习发展跟以往相比能够在结果上有如此巨幅的成长。

深度学习

前两天我们介绍了机器学习以及类神经网路的基础核心概念以及应用，而深度学习则是在机器学习里面的一个子集合。
那麽深度学习与一般机器学习的差异在哪里呢?

第一个最简单的观念，我们可以说深度学习，基本上就是用了比较多层的神经网路层，越深则表示越多层的神经网路层，而越多层的神经网路层一般来说则代表着越强大的运算能力与效果 (当然可能花费的时间也随之增长)。

图源

此外，深度学习着重在让机器自己去做特徵提取的部分，也就是不再依赖人类手工做特徵提取而是交由机器自己去找出这些特徵，这也是为什麽许多人都说深度学习的原里有点难解释，里面的运作有如黑盒子一般然而效果却又总是出奇的令人满意。

机器学习 VS 深度学习

来源

强势发展的原因与背景

前面有提到，机器学习的概念在1980年已经成形，那麽为什麽在30~40年後会突然蓬勃发展呢?

简单的一句话解释就是: 时空背景不同。
从上面的比较表我们可以看出，深度学习非常的仰赖大量的资料作为训练的基础，而这过去20年间大数据 (Big Data) 的蓬勃发展以及储存空间远高於过往的水平，使得大量的资料取得相较於以往容易的许多，这成为了训练深度学习模型的最基本的底蕴；软件部分，各种新颖的理论以及新颖的演算法层出不穷；再加上硬体的快速发展， 图形处理器 (Graphics Processing Unit, GPU) 的普及，使得深度学习所需依赖的强大硬体设备有了深厚的底子做支撑。种种因素一起将深度学习的发展与成效一口气推到高峰；再加上前面讲古时所说到的辣个一战封神的拉风男子藤原佐为AlphaGo在全世界的注目下运用了包含深度学习的演算法成功的以四胜一负的战绩战胜人类棋王，从此让21世纪正式进入大AI时代。

我们花了许多天在讲解AI的一些历史演进以及一些简单的演算法介绍，目的是希望让对这方面不熟悉的人能够有一些初步的基本观念，那麽这系列的介绍到此正式结束，明天开始，我们开始聊聊AI到底是如何应用在作曲上的。