1，機器本來是沒智慧的，她怎么變得有智慧的呢？人工干活不僅費時費力，還需要由人類提供大量的先驗經驗以彌補對數據本身挖掘不足的缺陷。那么深度學習又是如何做到呢？深度學習是通過構建一個多層的表示學習結構，使用一系列非線性變換操作實現，所以國際象棋就戰勝了卡斯帕羅夫。

2，智能機器怎么實現有智慧的？深度學習模型的結構設計遵循了這種思路，具體做法是將一系列相對簡單的非線性映射操作構建成一個多層網絡，每一層(layer)都完成一次特征變換。以人臉識別為例，網絡以像素表示的圖像作為輸入，在低級層次中主要學習到代表圖像邊緣的特征，可能是連續幾個像素所組成的某個方向上的線段。中級層次會學習到由邊緣線段所組成的局部圖案，這些圖案實際上是構成目標物體的各種部件，比如眼睛、鼻子、耳朵。

3，人臉識別實現了人工智能，在最后的高級層次中，以各種局部部件作為基本單元就可以組合出人臉的抽象表示，比如包插人臉上會有一個鼻子兩只眼睛、眼睛的相對位置在鼻子的兩側，等等。而符合這種抽象表示的圖像，就可以被判定為人臉圖片。如此多層學習結構中的中間特征。

4，什么樣的結構才算是有“深度”？其實包含三個以上隱層( hidden layer)的神經網絡就可以說是一種深度學習模型，但由于在真實場景使用時參數過多、計算量過大，存在梯度消失和梯度爆炸的問題，無法做到穩定收斂，所以一般不會使用。一個網絡的深度，可以以網絡中串聯的計算的層數，或者是非線性變換次數，甚至更加抽象一些，以不同的計算概念來評估。從這我們得到什么啟發了？