神经网络有了，但只有 1-2 层太浅了，能力有限。科学家们想：如果把网络加深到几十层、几百层呢？这就是深度学习——用「深度」换「能力」。

深度学习（Deep Learning）= 使用多层（深层）神经网络的机器学习方法。「深度」指的是网络层数多。层数越多，能学到的特征就越复杂——从像素到边缘到形状到物体，逐层抽象。

深度学习相比传统机器学习最大的优势是什么？

• 需要的数据更少
• 不需要 GPU
• 能自动学习特征，不需要人工设计
• 运算速度更快

深度学习不是一种网络，而是一大类。不同任务用不同架构——CNN 看图、RNN 听话、Transformer 什么都行。来认识几个最重要的——

深度学习三大里程碑：2012 AlexNet（CNN 在图像识别中大获全胜）→ 2017 Transformer 论文发表 → 2022 ChatGPT 发布（大语言模型走进千家万户）。Transformer 是当前 AI 革命的核心架构。

深度学习让 AI 从「能用」变成了「好用」。你用的每一个 AI 工具——ChatGPT、Midjourney、Copilot——都是深度学习的产物。下一关我们就来认识它们的核心：大语言模型。