深度学习是什么？

深度学习（Deep Learning）是依靠多层神经网络逐层自动学习抽象特征的方法，构成包括输入层、隐藏层与输出层的多层堆叠（隐藏层可达几十至上百层），以及权重在反向传播中的持续调整，解决简单模型难以从原始数据提炼复杂模式的问题，并不解决训练需海量数据与算力、决策难解释的问题。

“深度”这个词正是从这里来的——层数多，网络就“深”。这种深层结构让机器能处理更复杂、更抽象的问题。比如，普通神经网络可能只能识别简单的图案（像直线或圆形），而深度学习可以从模糊的语音中听出你说了什么，或者从一张杂乱的图片里找出隐藏的猫咪。

打个生活中的比喻：普通神经网络像个小学生，能学会加减法，解决简单问题；深度学习则像个大学生，能解复杂的微积分题，甚至还能写论文。它们本质上都是神经网络，但深度学习因为层数多、结构复杂，能力远远超过了前辈，成为AI领域的“超级明星”。