人工智能深度学习发展的三个阶段如下。

第一，模型初步。2006年前后，深度学习模型初见端倪，这个阶段主要的挑战是如何有效训练更大更深层次的神经网络。2006年，Geoffery Hinton提出了深度信念网络，一种深层网络模型。使用一种贪心无监督训练方法来解决问题并取得良好结果。该训练方法降低了学习隐藏层参数的难度且训练时间和网络的大小和深度近乎线性关系。这被认为是深度学习的开端，Hinton也被称为“深度学习之父”。

第二，大规模尝试。2011年年底，大公司逐步开始进行大规模深度学习的设计和部署。“Google大脑”项目启动，由时任斯坦福大学教授的吴恩达和Google首席架构师Jeff Dean主导，专注于发展最先进的神经网络。初期重点是使用大数据集以及海量计算，尽可能拓展计算机的感知和语言理解能力。该项目最终采用了16 000个GPU搭建并行计算平台，以YouTube视频中的猫脸作为数据对网络进行训练和识别，引起业界轰动，此后在语音识别和图像识别等领域均有所斩获。

第三，遍地开花。2012年，Hinton带领的研究团队赢得ILSVRC-2012 ImageNet，计算机视觉的识别率一跃升至80%，标志了人工特征工程正逐步被深度模型所取代。此外，强化学习技术的发展也取得了卓越的进展。2016年Google子公司DeepMind研发的基于深度强化学习网络的AlphaGo，在与人类顶尖棋手李世石进行的“世纪对决”中最终赢得比赛，被认为是深度学习具有里程碑意义的事件。