使用深层神经网路训练人工智慧系统有什么优势？

原文：微软AI翻译取得突破进展：准确率可与人类翻译媲美

双刃剑吧，能更快的毁灭地球吧？或者加速霍金预言？

如果单纯只提这种翻译系统的话，我觉得一个很大的优势在于没有过多使用语法先验，让网路自己去学习，训练起来比较方便，当然这种学习也可以加入一定的先验信息等等提高网路性能，但如果真正在产品中使用的还要受到其他很多因素的制约。科研和产品还是不一样的

我是个新手，DL和其他方法都是解决问题的工具，孰优孰劣看什么问题，感觉是把大铡刀，笨重，不顺手。

深层神经网路由于具有数量庞大的参数，使得其具有强大的表征能力。当其神经元的个数足够多时，深度神经网路几乎可以表征任意函数。基于这一点，当我们拥有足够的数据和算力时，由于数据可以弥补参数过多带来的过拟合，算力可以让深度神经网路的训练成为可能，那么我们就拥有了一个对于学习问题的相对通用的方法。而一些问题，比如图像的识别和分类问题，人们很难提出一套严密的理论来解决。因此，寄希望于深度神经网路，希望依靠其强大的表征能力来实现。而深度网路确实也在很多领域证实了其能力。于是，想不到别的方法研究者与能力强大的深度网路一拍即合。

谢邀

希望题主能够把问题问得更细点。。。。首先DNN训练出的是模型，不是系统。还有，人工智慧的概念太广，最好能附上是想解决什么问题。附上的文章是指自然语言的问题，如果以自然语言为例子，本身RNN的深度取决于输入内容的时间长度和时间间隔。简单讲，如果是输入是一句话，那层数应该是这句话的字数（可能需要算上标点，看具体问题）。

————画个分割线———待补全后来回答。

没啥优势，会让很多猎头来知乎问一些听风就是雨的问题，然后自己一顿热点词回答。实际上……