第五場直播：
人工智能（AI）系統 AlphaGo 在戰勝棋手李世石，AlphaGo 的厲害之處，莫過於其「深度學習」（Deep Learning）技術，透過自我對戰，從經驗中改善，藉此提升實力，比總會重覆犯錯的人類更強，而這種技術亦是 AI 界的一大突破。
以往的 AI 需要人手將知識寫成指令，再灌輸到系統當中，在解題時透過搜尋機內的資料庫，再選擇出最好或者最接近的答案。直至 2012 年， AI 技術取得突破，踏入新的里程碑。
Google 利用 1,000 部電腦組成 Google Brain，輸入 1,000 萬張隨機截圖讓系統「觀看」，而事先未有輸入任何圖片說明或知識，結果 3 日後，Google Brain 成功摸索出圖片庫的規律，將人臉、身體及貓分辨開來，這就是「深度學習」的威力。
這項技術模仿神經網絡的計算模式，透過分層來進行愈來愈複雜的運算，如以上述 Google Brain作例，就是從最基層只學會分辨明暗，然後建基於此，再去掌握線條的不同，然後是識別圖形及輪廓，到最後曉得分辨人臉，逐層分析圖片的特徵，建立判斷用的模式。
所以，「深度學習」其實就等如教曉 AI 「自動波」，讓 AI 「觀察」龐大雜亂的數據，透過逐層計算，自行找出隱含其中的規律，在毋須人手指導或命令下，自行按規律進行辨識及決定，猶如真人的思維一樣。
此技術早於上世紀 80 年代，已有專家研究，不過多得近年的軟硬件急速進步，終可大派用場。假若你是 Google 用戶，在不知不覺間，原來早就受惠其中。
Gmail 的自動篩選垃圾電郵功能就是其一。傳統的篩選方式是透過預設的垃圾郵件黑名單，加以分析電郵的部份內容作出判斷，模式過於單一，準確度有限，但 Gmail 透過學習用戶判斷垃圾郵件的準則，再以此自動篩選，如今已可判斷出約 99% 的垃圾電郵。
另外尚有 Google Now 的語音辨別、Google 翻譯、Google 相簿以及 Gmail 的 Smart Reply 功能，亦都用上了「深度學習」技術，令系統透過修正及學習，使服務更臻完善。
Facebook 希望利用 AI 的「深度學習」 ，了解每個 post 、圖像或影片的內容，及揣摩用戶的喜好、關係及憧憬等，從每日多達 2,000 條的內容，篩選出約 100 至 150 條用戶想看或要看的，避免用戶被大量的訊息轟炸，亦毋須人手逐一去挑選。
「深度學習」的運用愈趨廣乏，打造勘探石油軟件的 Paradigm，就應用 Google Brain 從圖片分辨出貓的技術，透過數千張地震圖像，訓練神經網絡尋找石油可能集中凝聚的地段。
Nervana Systems 甚至發佈了「深度學習」的雲端科技，令任何公司都可以創建能夠學習的電腦模式。
