为了重新颖数据中提取信息，深度学习采取了算法，常日是在海量数据上演习的神经网络。
凭借其一步步的指示，它跟传统的打算有很大的不同。
相反，它从数据中学习。
深度学习远没有传统打算机编程那么透明，它留下了一些主要的问题没有办理：系统学到了什么，它知道什么？

据理解，蛋白质存在于每一个生物体中。
它们为细胞供应构造、催化化学过程、运输小分子、消化食品并实行许多其他功能。
它们由氨基酸的长链组成，像线上的珠子一样串在一起。
然而为了使蛋白质在细胞内发挥其功能，它必须折叠成一个繁芜的三维构造，这一过程被称为蛋白质折叠。
折叠不当的蛋白质会导致疾病。

Christiaan Anfinsen在他1972年的诺贝尔化学奖接管演讲中提出假设，从一个蛋白质的氨基酸序列来打算其三维构造该当是可行的。

氨基酸的排列决定了蛋白质的特性和形式，终极决定了其功能。

由于氨基酸构建块的内在灵巧性，一个范例的蛋白质可能会有约10到300种不同的配置。
这一数量超过了宇宙中原子的总数。
然而在一毫秒内，生物体内的每一种蛋白质都会折叠成它自己的独特形式--构成蛋白质的所有化学键的最低能量构型。
只要改变蛋白质中常日包含的数百个氨基酸中的一个，它就可能不再正常折叠或发挥浸染。