近年来，人工智能被炒的越来越火，甚至幼儿园有一本书籍是专门介绍人工智能的，它好像和长生不老、星际漫游一样，成为人类最美好的梦想。

虽然计算机技术在不断的发展，但到目前为止，仍没有一台电脑可以产生“自我”意识。在我们的帮助和使用下，电脑可以变得非常强大，但是离开了人类和大量现成数据，它甚至都不能分辨具体的事物。

从2006年开始，机器学习领域就取得了突破性的进展，使用技术手段不仅依赖云计算对大数据的并行处理能力，而且依赖算法。借助Deep Learning算法，人类终于找到了如何处理“抽象概念”的方法。

人工智能背景

机器学习是专门研究计算机怎样才能模拟或实现人类的学习行为，以获取新的知识或技能，使之不断改善自身性能的学科。机器学习虽然已经发展了几十年，但仍然存在很多问题，比如语音识别、图像识别等。

目前通过机器学习来解决这些问题的方法主要是这样的：

从开始通过传感器获取数据，然后经过预处理、特征提取、特征选择，再到推理、预测或识别。最后就是机器学习的部分，绝大部分的工作都在这方面进行研究。

良好的特征表达对最终算法的准确性起到了非常关键的作用，系统主要的计算和测试工作都消耗在这部分。目前主要依靠手工选取特征，是非常费力又需要专业知识的方法。

人脑视觉原理

美国一位生物学家发现了一种被称为“方向选择性细胞”的神经元细胞。当瞳孔发现了眼前物体的边缘，而且这个边缘指向某个方向时，这种神经元细胞就会活跃。

这个现象也激发了人们对神经系统的进一步思考，神经——中枢——大脑的工作过程可能是一个不断迭代和抽象的过程，这也促进了计算机人工智能技术的突破性进展。

人类视觉系统的信息处理是分级的，从低级的V1区提取边缘特征，再到V2区的形状或者目标的部分，再到更高层，整个目标和目标的行为等。

高层特征就是底层特征的组合，从底层到高层的特征表示会越来越抽象，也更能表现语义或者意图，抽象层面越高，存在的可能性猜测就会减少，也更利于分类。