假如你正在构建一个语音识别系统，这个系统中，你需要开发三个组件：
这三个组件负责的工作如下：
- 计算特征：抽取手工设计的特征，比如MFCC(梅尔频率倒谱系数)特征，采集有用的内容，忽略不相干的属性，比如说话者的音高。
- 音素识别：一些语言学家任务，声音的基本单元是音素。比如单词"Keep"中的"K"与单词“cake”中的“c”发音相同，它们是同一个音素。
- 最终识别：将识别出的音素序列，组合起来形成最终的输出文本。
与上面这个结构相反，端到端系统输入语音片段后，可以直接输出对应的转录文本：
到目前为止，我们所说的机器学习算法流程都是线性线性的：输出序列从一个阶段传递到下一阶段。算法的流程也可能会更复杂，比如，这儿有个自动驾驶汽车的简单结构图：
它包含三个组件：一个通过照相机图片检测其他汽车，一个用于检测行人，最后一个组件用于给当前车辆规划路线，避免装上其他车辆或行人。
流程中并不是每一个组件都需要学习的。比如机器人运动规划的文献中，有很多算法都是用于路径规划的，但是但部分算法都不涉及到学习。
相反，端到端方法中可以依据传感器的输入，直接输出导航方向：
尽管端到端学习在很多领域取得了成功。但也不是在所有的场景中，他都是最好的方法。比如端到端系统可以很好的完成语音识别任务，但是我对短短的能否完成自动驾驶任务，表示怀疑。下面几章，我们解释其中的原因。