類神經網路(ANN)發展20幾年，一直沒有進展，其預測的精確度只能達到60%~70%，這幾年因大數據和電腦硬體計算能力的提升，使用ANN來做預測，準確度已達升到90%~99%，我們就稱它做機器深度學習的AI。

          ANN由神經元組成，其架構有一輸入層，數個隱藏的處理層，和一個輸出層。每個神經元對另一個神經元的影響力，視其權重而定，當我們餵入大量資料，經過處理層的處理（就是調整其權重大小），而得到最小誤差的輸出。這個過程就是學習，而多層次處理，可由下而上，逐步堆疊，抽取高抽象層次特徵值，就像是處理更高維度的自變數一般。

          現今實用ANN主要演算法有

1. 卷積神經網路(CNN)，透過篩選、過濾、壓縮，來減少層與層之間信息傳遞，可增快運算速度，通常用於圖形辨識、人臉辨識、物件偵測、電腦視覺。

2. 遞歸神經網路(RNN)，是指考慮時間序列處理連續性串列對串列的一種運算，通常用於機器翻譯、語音辨識、本文辨識、語音合成、自然語言處理等方面。

現今的谷哥，亞馬遜和微軟，皆有提供套件，使用者可輕易拿來使用，AI的發展，其實已在我們身邊。