1.什么是深度学习
简而言之：机器学习是实现人工智能得方法，深度学习是实现机器学习得技术。机器学习在实现人工智能时需要人工辅助（半自动），而深度学习是使得改过程完全自动化。至今已有数种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络和递归神经网络已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。
这三者之间得关系如下所示：
举个例子：通过机器学习算法来识别水果是橘子还是苹果，需要人工输入水果的特征数据，生成一定的算法模型，进而可以准确预测具有这些特征的水果的类型，而深度学习则能自动的去发现特征进而判断。
2.深度学习能做什么
其实咱们的实际生活中已经有很多应用深度学习技术的案例了。
比如电商行业，在浏览淘宝时，页面中有很多都是符合你的爱好并且最近有意向购买的商品，这种个性化推荐中就涉及到深度学习技术，还有就是在购物界面能和你进行对话，解决疑问的淘宝智能机器人，也涉及深度学习技术。京东正围绕其主要的业务方向，包括电商、金融和云，进行相关的数据分析、深度学习，最终体现在应用中，涵盖商品推荐、JIMI机器人、精准广告、物流仓储等各个环节
比如交通领域，通过深度学习技术能监测到车辆停车、逆行等行为，甚至精确识别车辆的车牌号、颜色、车型、车辆里的人物等来辅助交通执法，甚至在发生交通事故和交通拥堵时进行报警等。
比如金融行业，银行通过深度学习技术能对数以百万的消费者数据(年龄，职业，婚姻状况等)、金融借款和保险情况(是否有违约记录，还款时间，车辆事故记录等)进行分析进而判断出是否能进行贷款服务。
比如家居行业，智能家居的应用也用到了深度学习技术，比如智能冰箱通过图像识别等技术记录食材种类和用户日常饮食数据，进而分析用户的饮食习惯，并根据多维度给出最全面的健康膳食建议。
比如制造行业，机器视觉已经长期应用在工业自动化系统中，如仪表板智能集成测试、金属板表面自动控伤、汽车车身检测、纸币印刷质量检测、金相分析、流水线生产检测等等，机器视觉自动化设备可以代替人工不知疲倦的进行重复性的工作，且在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，机器视觉可替代人工视觉。
还有教育行业、医疗行业等，深度学习技术已经渗透到各个行业和领域
3. 深度学习目前还面临得难题
比如就开篇提到的商品推荐问题，翁志就讲到，目前在这方面京东还是有很大提升空间的，而他们也在努力提升这方面的能力。同时他也指出，这其中的难度还是很大，比如即便京东在数据质量(包括数据类型、数据准确性等)方面是同行中算是出类拔萃的，但是由于平台每天都有大量新的数据产生，再加上这些新数据的准确性又没办法准确评估，非常容易导致最终的分析结果出现偏差。
既有技术层面的问题，也有数据质量方面的不足，而且这不是京东一家面临的问题，几乎是全行业所要面对的。一方面需要继续增强计算能力(因为机器需要学习的内容太多、需要的计算量太大，所以只有并行计算这种方式才能满足，而GPU就是并行计算的典型代表，而这也是为什么NVIDIA大谈特谈深度学习的一个主要因素)。另一方面，企业则要在数据质量方面多下功夫。前者由像NVIDIA这样的技术平台主导，而后者则需要相关企业多把关，当然这其中也涉及到技术能力，毕竟靠人力审核的时代已经过去了。
所以说简单点，要提升人工智能的水平，关键之处还是在于计算能力、GPU技术水平的提升。