在深度学习服务的场景中为什么选择深度学习？相比机器学习、专家规则，深度学习有什么优势？

深度学习的再次兴起，其实是当前海量数据和计算能力提升的一次必然趋势，让我们可以尝试用机器的计算能力，加速专家经验到计算机处理能力的转换。目前来看机器学习比深度学习通用性更高，并不是所有问题都可以使用深度学习取代机器学习完美的解决，但是在一些数据量更大，模型场景更复杂的情况下，如图像处理，自然语言分析等等，深度学习可能会带来以前机器学习所没有的效果。

他们之间的共同点都是为了获得函数模型的问题，区别是函数模型获取的复杂度，复杂度决定了获取的方式是多样性的，由浅入深，就有了专家规则、简单的机器学习和深度学习。解决函数模型的复杂度也是递增的，比方说y=3x，我们可以很容易地通过几个样本推出系数3，就像我们小时候数学考试时根据规则填空一样，挖掘出来的规则基本不再变化，这样就很方便地用来做函数计算了，但是如果上升到金融领域，变量因素特别多，那么这个规则模型就不再那么容易获取了，此时就需要通过不断地学习完善模型，就像我们人类不断地学习获取经验，完善自己的认知系统，用于下一次决策过程，再通过这次的决策结果继续完善认知系统，循环往复。