人工智能(AI)的大热不是偶然的，深度学习革命真的发生了。深度学习革命(deep-learning revolution)是指，自 2012 年以来深度神经网络在运行速度和相关技术方面的疾速发展。

    机器学习任务 有代表性的深度学习技术 本书中运用TensorFlow.js解决相似问题
    分类图像内容 深度卷积神经网络，如ResNet和Inception，将ImageNet大规模视觉识别挑战赛中的分类错误率从2011年的25%（近似值），降低至2017年的不足5% 在 MNIST 数据集中训练 convnet（第 4 章）；MobileNet 推断和迁 3 移学习（第 5 章）
    定位物体和图像 深度卷积神经网络的变体 c将定位误差从 2012 年的 33%， 减少至 2017 年的 6% TensorFlow.js 中的 YOLO 模型 （5.2 节）
    不同自然语言的互译 相比最好的传统机器翻译技巧，谷歌神经机器翻译 （GNMT）将翻译错误率降低了约 60% 基于长短期记忆网络（LSTM）， 且具有注意力机制的序列到序 列模型（第 9 章）
    大词汇量连续语音识别
    生成逼真的图像
    生成音乐
    自动玩游戏
    使用医学图像进行疾病争端