谷歌的圍棋軟件利用深度學習，擊敗了世界圍棋冠軍，成為人工智能的又一個里程碑。

大腦皮層是調節軀體運動或者說控制軀體運動的最高級中樞。人類大腦皮層的神經細胞約有140億個，面積約2200平方厘米。皺巴巴的新皮層正是思維誕生之處，占大腦總重的80%。

深度學習是在人工“神經網絡”中模擬新皮層中大量神經元陣列

多倫多大學計算機科學教授杰弗里欣頓的“深度”模型重新激發了人們對神經網絡的興趣。這種模式能更好的利用許多層軟件神經元，但該技術扔需要大量的人力參與。直到2006年，欣頓開發了一種更有效的方式來訓練多層神經元。

谷歌展示了當時最大的神經網絡之一，擁有超過10億個連接；到了2015年美國公司Digital Rasoning公布的神經網絡包括1600億個參數。

不過這種學習需要海量的數據，和大量的計算機支持。

盡管深度學習有了這么多進步，但并非每個人都認為深度學習能把人工智能變成某種能與人類智慧相匹敵的東西。主要的批評者認為，深度學習就像一個潘多拉黑盒，無從得知其中發生了什么，經驗過多，理論不足。還有一些人認為，深度學習和人工智能總體而言忽略了大腦的生物學特征，而更傾向于蠻力計算。

還有研究者認為貝葉斯式的學習方法優于深度學習，這更符合人類學習的方式，而且不需要那么多數據來訓練，“只看一眼就會寫字”，僅用少量的例子就能讓計算機學習到字體的本質特征。

另外有一些“強人工智能”的支持者認為，僅靠深度學習無法實現真正的人工智能。深度學習缺乏因果關系的表達，也無法進行邏輯推理，因此不能形成抽象知識。

深度學習的快速發展不僅吸引了互聯網公司如微軟、谷歌、百度、臉書等的大力投入，近些年來，半導體硬件公司英偉達、高通、ARM、英特爾等也開始研究適合人工神經網絡運算的芯片和硬件設備。同時也涌現出越來越多的創業公司致力于推進深度學習的技術研發和產業化。

終有一天，深度學習會能完美對話的機器人出現在我們生活中。