人工智能，简称AI，关注于构建能够模拟智能行为的系统。它涵盖了多种方法，包括基于逻辑、搜索和概率推理的方法。机器学习是AI的一个子集，通过将数学模型拟合到观测数据来做出决策。该领域经历了爆炸性增长，并且现在（尽管不完全正确）几乎等同于AI这一术语。

深度神经网络（简称深度网络）是一种机器学习模型，在数据拟合过程中被称为深度学习。截至撰写这本书时，深度网络是最强大和实用的机器学习模型，并且在日常生活中经常遇到。使用自然语言处理算法进行文本翻译、通过计算机视觉系统搜索给定对象的图像或通过语音识别接口与数字助理交谈等应用都得益于深度学习。

如标题所示，这本书旨在帮助初学者理解深度学习背后的原理。本书既不涉及过多的理论（没有证明），也不过于实际（几乎没有代码）。本书的目标是解释核心思想；阅读完此书后，读者将能够在没有现成解决方案的新情况下，灵活运用深度学习技术。

机器学习方法大致可以分为三个领域：监督学习、无监督学习和强化学习。截至撰写本书时，这三个领域的最前沿方法都依赖于深度学习（如图1.1所示）。本章以高层次的方式介绍了这三种方法，并且这种分类也粗略地反映在本书的结构中。无论我们是否愿意，深度学习即将改变我们的世界，而这种变化并非全部都是积极的。因此，本章还包含了一个简要的AI伦理入门。最后，我们将提供一些建议，帮助读者充分利用这本书。