什么是深度学习？
深度学习是一种人工智能功能，它模仿人脑在处理数据和创建用于决策的模式方面的工作。 深度学习是人工智能（AI）中机器学习的一个子集，它具有能够从未结构化或未标记的数据中不受监督地学习的网络。 也称为深度神经学习或深度神经网络。
深度学习如何运作
深度学习与数字时代同步发展，数字时代带来了来自世界各地的各种形式的数据爆炸式增长。 这些数据（简称为大数据）来自社交媒体，互联网搜索引擎，电子商务平台和在线电影院等资源。 大量数据易于访问，并且可以通过金融技术应用程序（如云计算）进行共享。
但是，通常是非结构化的数据如此庞大，以至于人类可能需要数十年才能理解并提取相关信息。 公司意识到，挖掘这些丰富的信息可能会带来令人难以置信的潜力，并且越来越多地采用AI系统进行自动化支持。
深度学习从大量的非结构化数据中学习，这些数据通常可能需要人类花费数十年的时间来理解和处理。
深度学习与机器学习
用于处理大数据的最常见的AI技术之一是机器学习，这是一种自适应算法，通过经验或新添加的数据，其分析和模式变得越来越好。
如果数字支付公司想要检测其系统中欺诈的发生或潜在可能性，则可以为此目的使用机器学习工具。 内置于计算机模型中的计算算法将处理在数字平台上发生的所有交易，在数据集中查找模式并指出该模式检测到的任何异常情况。
深度学习是机器学习的一个子集，它利用人工神经网络的分层级别来执行机器学习的过程。 人工神经网络就像人的大脑一样建立，神经元节点像网络一样连接在一起。 传统程序以线性方式使用数据构建分析，而深度学习系统的分层功能使机器可以使用非线性方法处理数据。
检测欺诈或洗钱的传统方法可能依赖于随后发生的交易量，而深度学习非线性技术将包括时间，地理位置，IP地址，零售商的类型以及任何可能表明欺诈活动的特征。 神经网络的第一层处理原始数据输入（例如事务量），并将其作为输出传递到下一层。 第二层通过包含诸如用户IP地址之类的附加信息来处理上一层的信息，并传递其结果。
下一层获取第二层的信息，并包括诸如地理位置之类的原始数据，并使机器的模式更加完善。 这在神经元网络的所有层次上都继续存在。
重要要点
- 深度学习是一种AI功能，可模仿人脑在处理用于决策的数据时的工作方式。帮助发现欺诈或洗钱。
深度学习的例子
将上述欺诈检测系统与机器学习结合使用，可以创建一个深度学习示例。 如果机器学习系统使用围绕用户发送或接收的美元数量建立参数的模型来创建，则深度学习方法可以开始基于机器学习提供的结果。
其神经网络的每一层都在其上一层基础上，添加了诸如零售商，发件人，用户，社交媒体事件，信用评分，IP地址之类的附加数据，以及如果由人工处理可能需要花费数年才能连接在一起的许多其他功能存在。 深度学习算法受过训练，不仅可以从所有交易中创建模式，而且还可以知道模式何时发出需要进行欺诈调查的信号。 最后一层将信号传递给分析人员，该分析人员可以冻结用户的帐户，直到完成所有未完成的调查。
深度学习已在所有行业中用于许多不同的任务。 使用图像识别的商业应用程序，带有消费者推荐应用程序的开源平台以及探索将药物用于新疾病的可能性的医学研究工具就是深度学习整合的一些例子。
事实速览
电子制造商松下一直在与大学和研究中心合作，开发与计算机视觉相关的深度学习技术。
