有那个人可以最简单的说说深度学习

留胡子的碗

没有看过什么机器学习理论，不过按照字面理解，一定和过去数据统计有密切关系，机器不断收集数据，统计某件事物的概率，形成概率密度分布图，收集越多概率密度图越来越精确，然后机器下次就按概率密度分布来做大概率出现的事情，做了后又形成经验继续修正概率密度分布图，当然这个是比较傻的暴力方法，可能在还会有比较精明的算法使得统计的学习的效率更高，比如引入N插树排除法等，不过基本大体原理就是，收集过去的数据，统计出概率分布，按概率分布办事，办事的同时又形成经验继续修正概率分布图，不知道我这样理解对不对，不过我觉得用精确指令的CPU做这些概率分布事情太傻，不如重新推翻原来的CPU系统，引入共鸣运输CPU，就是直接对类似的东西形成共鸣，直接就产生共鸣分布图，类似概率分布图这样就不需要那么暴力统计了。

梦醒时你己忘

小楼寂寞新雨夜，也难如钩也难圆