学习学的是特征表达（表示）。也就是学习的目的是什么。
总结：用相对深的模型来学习特征表示。
属于的人工智能学派：连接主义。
连接主义是认知科学领域的信息处理方式。相对应的还有符号主义学派。
连接主义主要由神经元（人工神经网络）进行信息处理，其缺点是可解释性差（黑箱）。
Q1：人工神经网络的本质是什么？
A：数学角度：基于的理论的函数逼近论。表达不同维数空间之间的一个函数映射。（总之它不神秘，也不是真正的智能）
Q2：人工神经网络和深度学习的关系？
A： 人工神经网络是实现深度学习的手段或者方法之一。TA俩不等价！
属于机器学习的一个分支。
Q：深度学习、机器学习的最大区别是什么？
A：深度学习可以基于大数据自动进行特征学习，完成端到端的学习。相反，机器学习大多数需要人为进行特征标记，学习结果受人为因素影响大。
深度学习相对于机器学习模型更为复杂。其理论上个世纪就出现了，随着算力、算法、数据三要素的具备深度学习再次被唤醒。