人工智能（AI）
簡(jiǎn)單理解，任何一種事物只要具備了一定的智能就可以把它歸類(lèi)為人工智能。
官方定義："AI is the field that sdudies the synthesis and analysis of computational agents that act intelligently."
其中，“computational agents”指用來(lái)計(jì)算的機(jī)器；“act intelligently”機(jī)器可以聰明、智慧地去行動(dòng)。
即：AI是一個(gè)研究分析具有一定智能的機(jī)器的領(lǐng)域，該機(jī)器可以聰明的做一些事情。
其他維度：“AI are systems that Think like humans, Think rationally, Act like humans, Act rationally.”
從四個(gè)維度定義，首先AI是一個(gè)系統(tǒng)，這個(gè)系統(tǒng)可以像人類(lèi)一樣思考，具有一定理性思考能力（理性是機(jī)器的特長(zhǎng)），像人類(lèi)一樣做一些智能行為并做一些事情，理性行動(dòng)。
如果發(fā)現(xiàn)一個(gè)系統(tǒng)符合者四個(gè)標(biāo)準(zhǔn)，就可以認(rèn)為該系統(tǒng)為AI系統(tǒng)。
AI領(lǐng)域分為兩大類(lèi)：限制領(lǐng)域AI（Narrow AI）和通用AI（General AI）。限制領(lǐng)域AI指某一個(gè)特定場(chǎng)景下的AI，關(guān)注的問(wèn)題都是某一個(gè)特定場(chǎng)景下的某一類(lèi)特定問(wèn)題，如廣告推薦系統(tǒng)、園區(qū)導(dǎo)航系統(tǒng)、醫(yī)療智能問(wèn)答等；通用AI指讓AI做任何事情，類(lèi)似人類(lèi)一樣，做各種各樣的思考，完成各種事情。
目前的AI系統(tǒng)不足以讓AI完成各種事情，AI能解決的問(wèn)題一定是限制在某個(gè)領(lǐng)域的，且?guī)资陜?nèi)很難見(jiàn)到通用AI，所以現(xiàn)階段主要關(guān)注限制領(lǐng)域AI。
所以當(dāng)提出一個(gè)解決方案的時(shí)候，把注意力放在限制領(lǐng)域AI上；在實(shí)際項(xiàng)目中，要把問(wèn)題范圍定義好認(rèn)清技術(shù)的邊界，做好范圍管理，嚴(yán)格杜絕范圍蔓延和項(xiàng)目鍍金等行為。
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是解決人工智能問(wèn)題的關(guān)鍵的、最核心的技術(shù)，比如推薦系統(tǒng)、無(wú)人駕駛、人臉識(shí)別等應(yīng)用都要依賴(lài)機(jī)器學(xué)習(xí)技術(shù)。
“機(jī)器學(xué)習(xí)”即我們希望讓機(jī)器像人了一樣擁有一些自主學(xué)習(xí)的能力。例如：給小孩兒講這是一只小貓，他會(huì)從大腦中自動(dòng)刻畫(huà)小貓的樣子（具體刻畫(huà)了哪些，都不得而知），自動(dòng)學(xué)出一個(gè)規(guī)律并記錄下來(lái)，下次再看到小貓時(shí)就能準(zhǔn)確的識(shí)別出來(lái)。我們希望機(jī)器也能像人類(lèi)學(xué)習(xí)的過(guò)程一樣，具有這種能力。
官方定義：“Field of study that gives computers the ablility to learn without being explicitly programmed.”
其中，關(guān)鍵是在不需要做任何特定編程情況下，有能力去學(xué)習(xí)。即希望給機(jī)器一種能力，就是不需要特定編程的情況下自己學(xué)習(xí)的能力，且這種能力（比如識(shí)別出蘋(píng)果）不是我告訴機(jī)器的，是機(jī)器自己學(xué)習(xí)到的。
機(jī)器學(xué)習(xí)的核心是，從數(shù)據(jù)中自動(dòng)學(xué)出規(guī)律，而不是一個(gè)人拍腦袋想出來(lái)的，可以簡(jiǎn)單理解為歸納總結(jié)，而且有時(shí)候通過(guò)機(jī)器歸納出來(lái)的規(guī)律可能很多是我們之前都沒(méi)有想到的。
機(jī)器學(xué)習(xí)典型流程：將訓(xùn)練數(shù)據(jù)輸入給機(jī)器學(xué)習(xí)模型，模型可以得出一個(gè)算法，識(shí)別出物體的特性，模型學(xué)習(xí)完成后這個(gè)模型可以識(shí)別測(cè)試數(shù)據(jù)，給出某個(gè)分類(lèi)的概率。
深度學(xué)習(xí)
官方定義：“Deep Learning is a subfield of machine learning concerned with algorithms inspired by the structure and function of the brain called artificial neural networks.”
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，機(jī)器學(xué)習(xí)包含深度學(xué)習(xí)。
深度學(xué)習(xí)是一個(gè)算法，該算法設(shè)計(jì)上受到了人對(duì)大腦的認(rèn)知（神經(jīng)元）的啟發(fā)，我們希望能設(shè)計(jì)出一個(gè)類(lèi)似于人類(lèi)大腦的模型出來(lái)。神經(jīng)科學(xué)的發(fā)展會(huì)推動(dòng)深度學(xué)習(xí)的發(fā)展，但目前的深度學(xué)習(xí)跟人類(lèi)大腦關(guān)系不大，因?yàn)槲覀儗?duì)大腦的實(shí)際運(yùn)行機(jī)理還不很了解。
深度學(xué)習(xí)不是一個(gè)特定的模型而是一個(gè)框架或方法論，該框架可以囊括很多模型。深度學(xué)習(xí)里的關(guān)鍵詞是“深”或者“Deep"，所以它的特點(diǎn)就是比較深，那這個(gè)”深“應(yīng)該如何去理解呢？
簡(jiǎn)單講，深度可以理解成我們把很多簡(jiǎn)單的模型疊加在了一起，這自然就能得到一個(gè)有深度的模型。比如我們把一個(gè)神經(jīng)網(wǎng)絡(luò)疊加成多層結(jié)構(gòu)的時(shí)候，得到的是深度神經(jīng)網(wǎng)絡(luò)； 把一個(gè)高斯混合模型疊加在一起的時(shí)候就得到了深度高斯混合模型； 把SVM疊加在一起的時(shí)候就得到了深度SVM模型。由此可見(jiàn)，這樣的一個(gè)框架可以應(yīng)用在很多不同種類(lèi)的模型上。
那把一個(gè)模型疊加在一起弄成深度學(xué)習(xí)模型有什么好處？
好處很多，比如這樣的模型會(huì)有更強(qiáng)大的表達(dá)能力(capacity)， 具備層次表示能力(hierarhical representation)， 具有全局泛化能力(global generalization)，遷移學(xué)習(xí)能力(transfer learning)等。這里的每一個(gè)點(diǎn)具體代表意思先不用關(guān)心留個(gè)印象，有機(jī)會(huì)在深度學(xué)習(xí)里了解。
人工智能，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)的關(guān)系
如上圖，人工智能是最大的范疇，只要涉及到智能的東西，都可以歸類(lèi)為人工智能。
機(jī)器學(xué)習(xí)是人工智能領(lǐng)域最核心的技術(shù)，很多的AI應(yīng)用是要利用機(jī)器學(xué)習(xí)技術(shù)來(lái)解決的，可見(jiàn)其重要性。
深度學(xué)習(xí)是屬于機(jī)器學(xué)習(xí)的范疇，很多設(shè)計(jì)理念來(lái)自于對(duì)神經(jīng)科學(xué)的認(rèn)知。
以上是三者的關(guān)系，隨著技術(shù)的發(fā)展深度學(xué)習(xí)在很多領(lǐng)域是強(qiáng)于傳統(tǒng)機(jī)器學(xué)習(xí)的，其在機(jī)器學(xué)習(xí)中的比重越來(lái)越大，所以逐漸機(jī)器學(xué)習(xí)可以分為兩大類(lèi)，深度學(xué)習(xí)和非深度學(xué)習(xí)。
