人类一直梦想创造出智能机器，当可编程计算机被研发出来后，人们就想使其拥有智能。
人工智能的真正挑战在于形式化地描述问题和任务。
本书讨论的一种方法，让计算机从经验中获取知识，并让其根据层次化的概念体系来理解世界，这种方法称为AI深度学习。
早期基于知识库的人工智能方法出现了“拿着剃须刀的Fred是不是人的疑问。”
简单机器学习算法的性能很大程度上都依赖于数据的表示，然而获取数据特征对于许多任务来说，并不容易。使用机器学习方法来发掘表示本身的途径，称之为“表示学习”，经典例子为自编码器，目标为让经过编码器和解码器之后的数据尽可能地保留信息。
设计或学习特征时，目标通常是分离出能解释数据的变差因素。
学习数据的正确表示正是深度学习的一个视角。
目前有两种度量模型深度的方式，一种是执行顺序指令的数目，另一种是描述概念相关联的图的深度。
