李海清是河北廊坊师范学院的教师，过去一直在从事有关教师信息素养相关的教学和研究工作，我们有过一些面对面的交流，时不时地也会在线就一些问题进行讨论。
下午，在微信里，海清问我：
“焦教授，抱歉打扰您，我们专业论文中提到的深度学习和人工智能中的深度学习，我查了查，说得不一样。我们说的深度学习相对于人的碎片化学习，而人工智能所的是计算机的深度学习，怎么回事呢？”
嗨！还真是像海清所说的这样。在一般教育情境中和计算机科学以及人工智能领域中，虽然都是『深度学习』（Deep Learning），中文英文在这两种语境下都是相同的，可意义却并不相同。
鉴于对这个问题，我并无系统地梳理过，考虑到这个问题也有一定的的普遍性和代表性，所以在自留地里一并做出回应。
先说计算机科学和人工智能领域的『深度学习』（Deep Learning）。
2016是人工智能爆发的一年，各种层出不穷的新技术、新概念让人眼花缭乱。人工智能（Artificial Intelligence，简称AI）、机器学习（Machine Learning，简称ML）以及深度学习（Deep Learning，简称DL）就是这些概念中的几个最火爆的概念了。
机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。人工智能是一个大概念，而机器学习（ML）则是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。
任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees，运用概率分析的一种图解法）、随机森林（Random Forest，运用概率分析的一种图解法）、PCA（Principal Component Analysis，主成分分析）、SVM（Support Vector Machine，支持向量机）以及人工神经网络（Artificial Neural Networks，ANN）。而人工神经网络则是深度学习的起源。
所以，从这个意义上说，深度学习可以说是机器学习的一个子集。深度学习是利用多层神经网络结构，从大数据中学习现实世界中各类事物能直接用于计算机计算的表示形式（如图像中的事物、音频中的声音等），被认为是智能机器可能的“大脑结构”。简单地说深度学习就是：使用多层神经网络来进行机器学习。
深度学习是一个复杂而在广度和深度上变化很快的领域。因此，这里所说的，完全是一个门外汉的理解，因为我对人工智能缺乏了解，对机器学习就更是一窍不通了。
机器学习，也被认为是深度结构学习或多层级学习，它是以学习数据表征为基础的机器学习方法这个宽泛家族的一个组成部分，而以学习数据表征为基础的机器学习方法则与任务特定算法（task-specific algorithms）相反。学习可以是有督学习，部分有督或无督学习。
再说一般教育情境中的深度学习，字面是一模一样的，英文中文都是一模一样的，但是，其意义却完全不同。
深度学习是美国学者Ference Marton和Roger Saljo在1976年提出的，与浅层学习（surface learning）相对应。
深度学习（deep learning）是指在理解的基础上，学习者能够批判地学习新思想和事实，并将他们融入原有的认知结构中，能够在众多思想间进行联系，并能够将已有的知识迁移到新的情境中，做出决策和解决问题的学习。深度学习本意是指学习认知触及事物本质的程度或事物向更高阶段发展的程度。
浅层学习（surface learning）是一种机械式的学习方式，学习者为了完成任务被动地接受学习内容，把信息作为孤立的、不相关的事实来接受和记忆。浅层学习者需要外力来驱动学习，典型的是通过评分等级、考试过关来促进学生的学习。学习的目的就是在测试或考试中避免失败。
行文至此，我们似乎可以得出结论，此深度学习非彼深度学习。但是，都是和人的学习有关的。人工智能领域的深度学习，是让机器模仿人的学习，一来推进智能机器的研发，二来可以以这样一种方式探索人类学习（思维）的奥秘。
因此，从这个意义上说，这两个不同领域和范畴的深度学习，一定会殊途同归的！这只是个时间问题！我深信！