进入深度学习时代后,人工智能迎来快速发展,在传统的 BP 神经网络中,我们通常需要人工进行特征提取,然后设计神经网络实现数据分类或回归。比如做人脸识别,实际上是想办法把一个人脸的照片转换成一个向量,在非深度学习的时代这个过程被称为手工提取特征。提取人脸特征后,要对这些特征进行分类,因此需要训练一个分类器,整个提取特征和特征分类分开执行,而深度学习可以把这两个任务融为一体,让机器全部自动学习。尤其是怎么把人脸变成一个向量让机器自己学习,而不需要人帮助,这就是深度学习和传统机器学习最本质的区别,因为它能够自动学习,所以学习出来的特征往往比人工设计的特征要好很多。