1969 年，Marvin Minsky 和 Seymour Papert 出版了新书：“感知器：计算几何简介”，书中论证了感知器的模型。

1970年，当神经网络研究的第一个寒冬降临。在英国的爱丁堡大学，一位二十三岁的年轻人，Geoffrey Hinton，刚刚获得心理学的学士学位。

Geoffrey Hinton被誉为神经网络学之父。早在上世纪 80 年代，Hinton 就参与了一个使用计算机模拟大脑的研究，这也便是如今所说的「深度学习」概念。在80年代早期，他就参与了一个雄心勃勃的关于使用计算机的软硬件来模拟大脑的研究，这形成了早期的AI的一个分支，也就是我们现在所说的“深度学习”。经过三十多年的努力，深度学习已成为学术界炙手可热的课题，现如今已然成为Google等网络巨头仰赖的核心技术。

▎人工智能的“深度学习”源于Hinton的人工神经网络研究，它是基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。

如果把学习结构看作一个网络，则深度学习的核心思路就是在大数据的基础上训练每一层网络，将其训练结果作为其高一层的输出，再自顶而下的来调整所有层。简单来说人工智能的深度学习就是人工智能拥有自主学习，自主思考的能力。是一种有无穷进化的可能。

▎在1997年IBM电脑“深蓝”在正常时限的围棋比赛中首次击败了等级分排名世界第一的俄罗斯围棋棋手加里·卡斯帕罗夫。加里·卡斯帕罗夫以 2.5:3.5 （1胜2负3平）输给 IBM的计算机程序 “深蓝”。这让我们感叹计算机技术的进步。而在2016年，“横空出世”了一款围棋人工智能程序阿尔法围棋（AlphaGo），由谷歌（Google）旗下DeepMind公司的戴密斯·哈萨比斯他们的团队开发。其主要工作原理是人工智能的“深度学习”。并在2016年3月，该程序与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。这是人工智能的胜利，它标志着国际象棋历史的新时代，也标志着人工智能“深度学习”研究的“大门”！

Geoffrey Hinton先生曾经说过：“我曾未怀疑过我的工作，因为大脑一定是以某种形式工作，而且并不根据既定的编程。”在不确定的年代，更要追求确定性，那么人工智能深度学习的下一步会朝着什么方向呢？

我们拭目以待！