1，机器本来是没智慧的，她怎么变得有智慧的呢？人工干活不仅费时费力，还需要由人类提供大量的先验经验以弥补对数据本身挖掘不足的缺陷。那么深度学习又是如何做到呢？深度学习是通过构建一个多层的表示学习结构，使用一系列非线性变换操作实现，所以国际象棋就战胜了卡斯帕罗夫。

2，智能机器怎么实现有智慧的？深度学习模型的结构设计遵循了这种思路，具体做法是将一系列相对简单的非线性映射操作构建成一个多层网络，每一层(layer)都完成一次特征变换。以人脸识别为例，网络以像素表示的图像作为输入，在低级层次中主要学习到代表图像边缘的特征，可能是连续几个像素所组成的某个方向上的线段。中级层次会学习到由边缘线段所组成的局部图案，这些图案实际上是构成目标物体的各种部件，比如眼睛、鼻子、耳朵。

3，人脸识别实现了人工智能，在最后的高级层次中，以各种局部部件作为基本单元就可以组合出人脸的抽象表示，比如包插人脸上会有一个鼻子两只眼睛、眼睛的相对位置在鼻子的两侧，等等。而符合这种抽象表示的图像，就可以被判定为人脸图片。如此多层学习结构中的中间特征。

4，什么样的结构才算是有“深度”？其实包含三个以上隐层( hidden layer)的神经网络就可以说是一种深度学习模型，但由于在真实场景使用时参数过多、计算量过大，存在梯度消失和梯度爆炸的问题，无法做到稳定收敛，所以一般不会使用。一个网络的深度，可以以网络中串联的计算的层数，或者是非线性变换次数，甚至更加抽象一些，以不同的计算概念来评估。从这我们得到什么启发了？