互聯網的下一代技術——深度學習
如果過去二十年是互聯網高速發展的20年，那么之后的20年就是“深度學習”（Deep Learning）崛起的20年。據ARK Invest分析，從1997年到2020年，互聯網公司的市值從0增長到了13萬億美元，而深度學習在未來15~20年產生的公司市值將會達到30萬億美元，將超過到時候互聯網公司的市值。
什么是深度學習？
深度學習可能是我們這個時代最重要的軟件技術突破。
那么什么是深度學習呢？
簡單來說，傳統軟件是由人來編寫的，而深度學習作為人工智能（AI）的一種形式，它使用數據編寫軟件。通過“自動化”軟件的創建，深度學習可以推動每個行業的發展。
傳統軟件編寫的缺點是成本高，脆弱且難以維護。并且傳統軟件無法執行認知任務，例如圖像和語音的識別。
上世紀70年代，商業軟件始于微軟，Oracle和SAP的創立。80年代，基于面向對象的編程使得軟件可以重復利用，極大擴展了軟件的規模和功能，到2000年，互聯網使軟件平民化，市場規模從數百萬增長到數十億。
2012年，深度神經網絡贏得了ImageNet挑戰，標志著深度學習或“軟件2.0”時代的開始。
深度學習軟件不是由人來直接編寫的，而是經過數據“訓練”而成的。人先創建AI模型并收集標記的數據，然后，該軟件將通過數據來學習正確的行為，之后使用更多的數據進行改進，這些軟件的識別能力通常會超出人類的表現。目前幾乎所有大型互聯網服務都是通過深度學習來提供的，包括搜索，社交媒體和視頻推薦等等。
我們經常聽說人工智能、機器學習，那么它們和深度學習有什么區別呢？
首先“深度學習“是“機器學習”的一個分支，而“機器學習”是“人工智能”的一個分支；
人工智能是一種讓機器模仿人類智能的技術，比如學習，推理，解決問題等；
機器學習是人工智能的一種，是一種讓機器能夠基于一些算法對數據進行學習，從而實現人工智能的技術；
而深度學習又是機器學習的一種，它受到人類大腦神經網絡的啟發，以人工神經網絡(ANN)為架構，對數據進行學習，也是目前最主流的機器學習方法。
深度學習和機器學習的區別在于，機器學習需要由人先提取出一個事物的特征，然后讓機器學會辨別出這個事物；而“深度學習”則不需要人來提取一個事物的特征，而是通過大量的數據自己學會辨別一個事物。舉個例子，如果你要寫一個軟件讓它去識別一輛轎車，如果使用機器學習，你需要人為提取汽車的特征，比如大小和形狀等；而如果你使用深度學習，那么人工智能神經網絡會自行提取這些特征，不過它需要大量的標識為轎車的圖片來進行學習。
上面提到，深度學習和傳統軟件的一個很大不同就是它可以進行圖像和語音的識別，所以深度學習的兩個重要應用場景就是——計算機視覺（Computer Vision）和語言能力。
最近兩年非常火熱的智能音箱便是深度學習在語言理解方面的一個重要應用。
除了智能音箱以外，2020年，Google發布了Google Duplex，它是一個聊天機器人，可以幫助用戶通過電話進行餐廳預訂。餐廳員工的在與機器人對話的過程中，幾乎無法感知到這個來預定的電話對面僅僅是一個聊天機器人而已。
除了語言理解以外，計算機視覺也是深度學習的一個重要應用方向，比如醫療領域里面用來分析核磁共振的影像等等應用。
無人駕駛汽車被認為是深度學習最重要的應用領域之一。特斯拉的全自動駕駛有望今年超過人類駕駛水平。
此外，深度學習還被用來進行視頻推薦，抖音便是使用這個技術在日活用戶數上迅速超過Snap和Pinterest的總和。
結語
相信深度學習會和互聯網技術一樣，為我們提供之前可能意想不到的產品和服務，從而深刻地改變我們的生活方式。
不管你之后是不是從事這個行業，對于一個會如此影響我們未來生活的技術，最好的策略就是做好學習研究，多去了解一些。擴大自己的知識范圍對自己一定是有幫助的。
對于做投資的人來說更是如此。
如果你還想閱讀其它像這樣的文章，請點贊，關注，轉發。我們在這里探討如何通過投資來抓住——每個人都有的財富自由機會。
