1. 深度学习之前的AI（机器学习）的局限性
「AI（人工智能）」这个词由来已久，但在其进化的过程中曾遇到过巨大的壁垒。 在传统的AI（传统的机器学习）中，为了让其判断图像中是「猫」还是「狗」， 人类需要告诉AI「应该关注的特征」 。例如「耳朵是否尖锐」、「是否长着胡须」等特征（特征量）需要人类进行编程，AI再基于这些特征进行判别。
然而，人类定义所有特征是有极限的。打破这个「特征量设计的壁垒」，实现了 「只要提供大量数据，AI就能自己找出特征」 这一突破的，正是 「深度学习（Deep Learning）」 。
2. 模仿人类大脑的「神经网络」
深度学习的基础是一种被称为「 神经网络 」的算法，它在数学上模仿了人类大脑的神经细胞（神经元）的网络。
人类的大脑在视觉信息从眼睛进入后，神经元会接连不断地传递信息，从而识别出「这是一只猫」。在计算机上重现这一过程的结构如下：
graph LR
Input["输入层 (Input Layer)"] --> Hidden1["隐藏层 1"]
Hidden1 --> Hidden2["隐藏层 2"]
Hidden2 --> Hidden3["隐藏层 3..."]
Hidden3 --> Output["输出层 (Output Layer)"]
- 输入层 : 接收图像的像素数据等原始数据。
- 隐藏层（中间层） : 提取和处理数据特征的层。
- 输出层 : 得出最终结论（例如「99%的概率是猫」）。
将这种隐藏层（中间层）「 深入地（Deep地）叠加很多层 」的结构，被称为深度学习。
3. 为什么AI能够「学习」？（权重和误差反向传播法）
在神经网络中，各个神经元之间用线连接，这些连接都设定了一个被称为「 权重（Weight） 」的数值。这个「权重」正是AI「智能」的真面目。
学习的步骤（误差反向传播法：Backpropagation）
- 给AI看「猫的图像」。一开始因为「权重」是随机的，AI会随意计算并给出「是狗」的错误答案。
- 计算正确答案（猫）与AI给出的答案（狗）之间的「 误差（错误的大小） 」。
- 将这个误差的信息，从输出层向输入层 反向地 反馈。
- 利用「如果当时把这个权重稍微调低一点，应该就能更接近正确答案了」这种数学上的微积分（梯度下降法）， 对网络整体的「权重」进行微调 。
将这1到4的步骤，使用几百万张图像重复几万次（这就是「学习」）。于是，网络的「权重」会逐渐被优化，最终诞生出「即使看到未知的图像，也能准确判别出是猫」的聪明AI。
4. GPU的进化唤醒了深度学习
实际上，神经网络和误差反向传播法的理论本身从1980年代就已经存在了。但在当时，因为「如果增加层数计算量就会呈爆炸性增长，当时的计算机无法处理」，这些理论被抛弃了。
2012年，唤醒这一沉睡理论的是「 GPU（显卡） 」和「 大数据 」。 本来是为了渲染3D游戏画面的部件GPU，其设计是「用数千个核心一口气并行处理简单的矩阵乘法」。这与神经网络中庞大的乘法处理完美契合。通过大量使用NVIDIA公司的GPU，过去需要花费数月时间的学习在几天内就能完成，从而引爆了第三次AI热潮。
5. 从图像识别到「生成式AI（LLM）」的进化
深度学习最初在「图像识别（CNN）」领域取得了巨大成果。随后，在「语音识别」和「翻译（RNN）」等领域也达到了超越人类的精度。
而现在，基于这种深度学习发展而来的被称为「Transformer」的架构登场了，它学习了互联网上庞大的文本数据，诞生了巨大的神经网络。这就是「 大型语言模型（LLM） 」，也是我们日常使用的 ChatGPT 等「生成式AI」的真面目。
6. 总结
深度学习是由受到人类大脑机制启发的算法，与现代压倒性的计算资源（GPU）相结合而诞生的技术。 不是「为AI编写得出正确答案的逻辑」，而是「让AI自己从数据中找出逻辑（权重）」，这种范式转换作为IT历史上最重要的革命之一，此刻正试图重塑整个社会。