点击关注后，你不仅获得一个找资源的工具，更获得一个有趣的灵魂 ▶ ▶ ▶
这个问题我曾经也非常疑惑，我的评论区中也有很多这样的疑问。
如果到网上搜答案，往往会说神经网络是机器学习的分支，深度学习是神经网络的分支，代表深层的神经网络的进阶研究。或者从字面意思来讲，深度学习更像一整套研究方法，神经网络更像是形容具体的模型结构。
但这样两种说法都太生硬了，完全是事后诸葛，看着名字来反向解释，并不是名字的由来。
其实了解了 AI 发展历程就好理解了，这俩词就完全是一个东西。
早期就是叫神经网络，当时的学者在论文中用的就是 Neural Network 这个词。
后来很多专家学者公开抵制神经网络的研究，再加上当时数据和算力都没有达到可以训练出好的神经网络模型的条件，所以不论理论还是实践都没什么突破。
但这个名字又反复被提及或被炒作，导致这个名词已经被搞臭了，不论普通人还是专家学者对这个词都特别讨厌。
有点像现在的 AI 了，我写个 AI 相关的内容，大家应该都是先带着一点怨气和谨慎来看的，除非写的很好，否则马上就拉黑点踩退出直播间了。这就是名词过度炒作带来的后果。
所以后来神经网络有了进一步突破时，辛顿不再敢用这个词了，论文中提到神经网络甚至会被直接拒稿。
所以辛顿在 2006 年一篇论文中直接换了个名字，叫深度置信网络 DBN，后来被广泛流传为深度学习。
其实很多时候就是个名字罢了，学术上也需要考虑传播和口碑的问题，说神经网络可能连投稿都没机会，更别说拿到预算去做研究了。神经网络名字鸟枪换炮之后，就洗净了之前恶劣的口碑，不过真正突破还是得看真实的实力。好在接下来辛顿又在李飞飞举办的图片识别大赛中，用深度学习的方法击败了传统机器学习方法拿到了第一名，并且是远远甩开第二名的成绩，此时深度学习才又掀起了浪潮。这时候不论说神经网络还是深度学习都无所谓了，都是代表了新的有前途的研究方向。所以很多人学习这俩词儿时像高中做题时一样就要严格区分场景（以下技术属于 A深度学习 B 神经网络），不然就可能丢分，这就大可不必了。
