深度学习是最热门的AI技术之一。基本原理是构建一个多层神经网络。在使用标记数据进行训练之后，网络适合于适合问题解决方案的功能。
深度学习的三个步骤：
首先，您必须定义此问题并阐明问题的输入和输出。
然后，设计一个适合问题的神经网络。
此外，在训练数据之后，获得输入和输出之间的映射关系。
例如，小明今天出去的问题取决于三个因素。在下雨吗？、情绪好吗？
输入：
是否下雨
好吗？
有人有预约吗？
输出：
是否出门
我们的目标是找到这种输入到输出的映射。
对于这样一个简单的问题，我们使用一个简单的神经网络，一个神经元。
神经元的结构是
输入层：对应三个输入，每个输入包含三个权重（权重表示此输入对问题的重要性）
输出层：只有一个输出。
然后，我们要让这个神经元看到很多小明的数据，让他判断小明是否出去告诉他是对还是错。在我们不断告诉他他是对是错之后，他就像一位老师一样指导他，直到他越来越准确地回答问题。
然后我们将找到一个可以解决这个问题的神经网络。
整个过程称为深度学习。它之所以被称为深度学习，是因为复杂的问题会使用很多神经元，即一个非常深的神经网络。