什么是深度学习（DL：Deep Learning）？

深度学习（Deep Learning，DL）是依靠多层神经网络逐层抽取特征、从原始数据端到端学习映射关系的机器学习方法，主流架构包括 Transformer、扩散模型、混合专家与胶囊网络等。它解决的是人工设计特征成本高、高维数据难处理的问题，并不解决可解释性弱与算力开销大的问题。

Transformer：基于自注意力机制驱动的长文本处理通用架构（如GPT系列、BERT）。

扩散模型（Diffusion Model）：通过逐步去噪生成高质量数据（如Stable Diffusion）。

MoE（Mixture of Experts）：组合多个子模型提升性能（如Switch Transformer）。

SNN（脉冲神经网络）：模拟生物神经脉冲时序的模型。

胶囊网络（Capsule Network）：通过胶囊单元编码空间层次关系。