用户看到一个基于预定义的假设的广告创意：如果你搜索一个带金扣的黑色鞋子，那就会从已收集的历史信息中建议显示带扣环的黑色靴子。然而，深度学习没有预先假设的规则。计算机通过实践学习将是最佳的组合，它可能是一双黑色的鞋子或一个更好的选择——棕色凉鞋、相匹配的包等。执行上述行为的过程，人类没有对计算机进行任何编程，每个结果都是由数据和算法学习得出的。换句话说，人类的行为只需要按步骤去规划算法，让其实现自身编程。

　　未来将会怎样？

　　这是否意味着不再需要人类的知识？至少现在，j2直播，答案是否定的。当人类活动产生数据时，机器学习开始运行，我们可以利用这些数据更好地了解我们的世界。

　　从虚拟个人助理，像Siri和Cortana，到谷歌和特斯拉的自动驾驶汽车，深度学习已逐渐成为日常科技的一部分。我们智能手机上的语音识别的程度比以往更好，图像识别的进展远远超出了我们的预期。深度学习的最终目标是使我们的生活更轻松，让我们的工作更有效。

　　下一步我们需要让更高层次的人工智能参与更多不同领域，atv，尤其是像医学这样重要的领域。多亏了更多、更发达的人工智能方法（如语音或图像识别），未来可以给我们带来像医生一样令人信任的机器人，并且值得人类的信任，用来做简单的疾病诊断。

　　2014 年 6 月，Ian Goodfellow 等学者发表了论文《Generative Adversarial Nets》，题目即“生成对抗网络”，这标志着 GANs 的诞生。

　　在图像识别方面，在犯罪现场调查的许多情节也将还原成现实，因为谷歌推出了一个新的AI系统能够把8*8像素的图像，提高分辨率16倍，有效地恢复丢失的数据。奇怪的是，另一个迅速发展的领域技术生成对抗网络（generative adversarial networks），是基于算法看到的其他图片，为给定的请求很快 “画”出新的图片。

　　其实，有很多方式实现AI，不光是科学，平常生活中亦然。因为当你的软件是由相关的数据集技术支持时，可能性就是无穷无尽的。