人工智能是一类技术的统称，这类技术的最终目的是创造出能够比肩人类的智能体。
现在是一个计算机时代，计算机能够帮助我们解决很多问题，所以人们几十年以来都一直尝试创造出一个超能智能计算机，让计算机能够具有人类的各种能力，人类的能力也是一点一点的学习出来的，所以我们希望机器也能够学习出来和人类一样的能力，机器通过学习获取到能力，可以称为机器学习。
有时候我们就想，为啥人类这么牛啊，还不是人类有一个聪明的大脑，不仅能学习还能创造，如果机器也有这样的一个大脑，那不就牛掰了，所以人类又想让机器来模拟人类大脑的运行方式，人类大脑有很多的神经网络，所以让机器也来模拟神经网络肯定牛，所以现在的机器的学习方式都是通过神经网络来学习的，这种基于神经网络的技术被称为深度学习。
你知道人工智能、机器学习和深度学习的区别吗？
人工智能是最早出现的，也是最大、最外侧的同心圆；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。
人工智能先被提出来。之后人工智能的一些较小的子集发展了起来:先是机器学习，然后是深度学习。深度学习又是机器学习的子集，深度学习造成了前所未有的巨大的影响。
[心]人工智能（Artificial Intelligence）:为机器赋予人的智能
人工智能早在50年代就提出了。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。它研究与开发的对象是“理论、技术及应用系统”，研究的目的是为了“模拟、延伸和扩展人的智能”。我们现在看到的貌似很高端的技术，如图像识别、NLP，其实依然没有脱离这个范围，就是“模拟人在看图方面的智能”和“模拟人在听话方面的智能”，本质上和“模拟人在计算方面的智能”没啥两样，虽然难度有高低，但目的是一样的——模拟、延伸和扩展人的智能，一般人工智能都是能够感知、推理、行动和适应的程序。
[心]机器学习（Machine Learning）:一种实现人工智能的方法
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。机器学习直接来源于早期的人工智能领域。研究人员会用大量数据和算法“训练”机器，让机器学会如何执行任务。这里有三个重要的信息：①“机器学习”是“模拟、延伸和扩展人的智能”的一条路径，所以是人工智能的一个子集；②“机器学习”是要基于大量数据的，也就是说它的“智能”是用大量数据喂出来的；③正是因为要处理海量数据，所以大数据技术尤为重要；“机器学习”只是大数据技术上的一个应用。常用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。
此外，机器学习最成功的应用领域是计算机视觉。
[心]深度学习（Deep Learning):一种实现机器学习的技术
相较而言，深度学习是一个比较新的概念，严格地说是2006年提出的。深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。显然，“深度学习”是与机器学习中的“神经网络”是强相关，“神经网络”也是其主要的算法和手段；或者我们可以将“深度学习”称之为“改良版的神经网络”算法。深度学习又分为卷积神经网络（Convolutional neural networks，简称CNN）和深度置信网（Deep Belief Nets，简称DBN）。其主要的思想就是模拟人的神经元，每个神经元接受到信息，处理完后传递给与之相邻的所有神经元即可。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。
[心]总结
人工智能是一个很老的概念，机器学习是人工智能的一个子集，深度学习又是机器学习的一个子集。机器学习与深度学习都是需要大量数据来“喂”的，是大数据技术上的一个应用，同时深度学习还需要更高的运算能力支撑，如GPU。
该文章投稿作者：李小白，如若转载，请注明来自鱼鳞桐程网：https://www.yulintongcheng.com/283060.html
