DOCAI · 概念 · L1
什么是深度学习
一句话定义
用多层神经网络自动学特征：浅层学局部搭配，深层学结构与语义。
会用更新 2026-11-13核验 2026-11-13 · docai 编辑部
它解决什么
传统机器学习要人手工设计特征：先想清楚「用什么指标描述这条数据」，再喂给模型。
深度学习把「特征怎么提」也交给模型：给原始输入，让它自己一层层组合出有用的表示。
为什么叫「深」
多层堆叠。每一层把上一层的表示再组合一次：浅层学到局部搭配，深层学到结构与语义。
「深」是相对早期的一两层网络说的，不是越深越好——太深会难训练、会退化。
和相邻概念的关系
- 机器学习是大类。
- 深度学习是其中「用多层神经网络」的那一支。
- 大模型是深度学习里的一类：同样的方法，规模大得多。
三个常见误解
- 「AI 都是深度学习」：不是。规则系统、传统机器学习仍然大量在用。
- 「层数越多效果越好」：不一定。数据量、训练方法、结构匹配度都会限制收益。
- 「它自己会想」：它在拟合。特征自动学出来了，但目标仍是你给的损失函数。
和传统机器学习的区别
| 对比 | 传统机器学习 | 深度学习 |
|---|---|---|
| 特征 | 人工设计 | 模型自己学 |
| 数据量 | 中小规模也能用 | 通常要大量数据 |
| 算力 | 低 | 高 |
| 可解释性 | 相对好 | 差 |