先来一张图镇楼：人工智能

　　从广义上讲，人工智能描述一种机器与周围世界交互的各种方式。通过先进的、像人类一样的智能——软件和硬件结合的结果——一台人工智能机器或设备就可以模仿人类的行为或像人一样执行任务。

机器学习

　　机器学习是人工智能的一种途径或子集，它强调“学习”而不是计算机程序。一台机器使用复杂的算法来分析大量的数据，识别数据中的模式，并做出一个预测——不需要人在机器的软件中编写特定的指令。在错误地将奶油泡芙当成橙子之后，系统的模式识别会随着时间的推移而不断改进，因为它会像人一样从错误中吸取教训并纠正自己。

深度学习

可能有很多小伙伴认为人工智能就是机器学习或者是深度学习，那么，今天小麦就带大家梳理一下这三者的关系吧~

人工智能

是使用与传统计算机系统完全不同的工作模式，它可以依据通用的学习策略，读取海量的大数据，并从中发现规律、联系和洞见，因此人工智能能够根据新数据自动调整，而无需重设程序。

简单地说，人工智能就是能够感知、推理、行动和适应的程序。

机器学习

是人工智能研究的核心技术，在大数据的支撑下，通过各种算法让机器对数据进行深层次的统计分析以进行自学；利用机器学习，人工智能系统获得了归纳推理和决策能力；而深度学习更将这一能力推向了更高的层次。

机器学习就是能够随着数据量的增加不断改进性能的算法。

我们尝试一下这个问题！我们先简单解释一下人工智能、机器学习和深度学习这些概念。

人工智能

机器学习是实现人工智能的方法之一

决策树学习（decision tree learning）、归纳逻辑编程（inductive logic programming）。其他的也有聚类（clustering）、强化学习（reinforcement learning）和贝叶斯网络（Bayesian networks），人工神经网络（ANN）等。

深度学习是机器学习的一个子集

机器学习的神经网络算法可以设计成两层神经网络，三层神经网络，一直到十几层的神经网络。这种具备多层隐藏层的神经元网络就叫深层神经网络或深度神经网络，也就是深度学习。

人工智能、机器学习和深度学习之间的区别

简单得说深度学习是机器学习得一个子集。但是不同适用方面，有哪些具体得区别呢？我们可以看看下面两张图.

一、人工智能

从广义上讲，人工智能描述一种机器与周围世界交互的各种方式。通过先进的、像人类一样的智能——软件和硬件结合的结果——一台人工智能机器或设备就可以模仿人类的行为或像人一样执行任务。我们通常所说的人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、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新的技术科学。是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等。

我们今天读到了很多关于人工智能的内容，比如语音识别(用于智能个人助理设备)，面部识别(被用在目前社交媒体上很流行的滤镜中)，或者物体识别(比如搜索苹果和橙子的图片)。然而这些功能是如何实现的？

二、机器学习

人工智能（AI），机器学习（ML）和深度学习是当今流行的一些流行语。随着苹果、亚马逊、Facebook和谷歌等领先科技公司在这些领域投入巨资，它们正在成为主流。当科技公司谈论语音助手和智能家居设备时，你更有可能听人工智能和机器学习。现在，虽然人工智能和机器学习非常相关，但它们并不是一回事。让我们深入了解这些术语的含义。

人工智能的历史和应用

虽然科技巨头最近开始谈论人工智能，但这是几十年前存在的事情，当时你可能还没意识到。还记得阿诺德·施瓦辛格1984年发行的电影“终结者”吗？这个故事是基于人工智能天网指挥的机器接管世界。“星球大战”拥有由人工智能驱动的R2-D2和C-3PO机器人。如果你是钢铁侠的粉丝，那你一定知道他的私人助手Jarvis，那也是一个人工智能。

印度BGR与英特尔并行计算实验室总监Pradeep Dubey进行了交谈，以了解更多关于人工智能、机器学习和深度学习的内容。简而言之，人工智能是机器展现人类智能的一个视角。人工智能的最终愿景是与人类无法区分，当给予它识别歌曲或图像的任务时，你不应该从回应中辨别出它是来自机器还是人类。

英特尔、高通和华为等公司也在其芯片组中使用人工智能来执行一系列不同的任务。拥有机载人工智能在许多方面都是有益的，比如能够实现更快的语音和图像识别、智能摄影等等。华为表示，麒麟970 SoC带有的人工智能，在图像识别基准测试中，每分钟处理2000张图像，速度比其他芯片组快。

机器学习是实现人工智能的方法；

深度学习是一种实现机器学习的技术。

包含关系为：人工智能>机器学习>深度学习

留言 点赞 关注

我们一起分享AI学习与发展的干货

什么是AI？

三者关系：

人工智能（Artificial Intelligence）通过软件和硬件来「模拟」和「模仿」智能人类行为的研究。人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

机器学习（Machine Learning）AI的一个子领域，通过算法将AI概念应用于计算系统。计算机识别数据模式并根据数据模式采取行动，是一种实现人工智能的方法。直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。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。

深度学习（Deep Learning）是ML的子领域，是人工神经网络的另一个名字。深度学习网络模仿人类大脑感知与组织的方式，根据数据输入做出决策，是一种实现机器学习的技术。

深度学习，等这些概念解释起来乏味难懂，说一个我一身的经历，我的英语水平不是很好，看一份英文文档的时候，很多单词不认识，但是我根据上下文的含义大概能猜到。这件事情说明了，我们人类的大脑是可以通过历史数据自主的补全空白概念的，并且通过反复的正确性验证最终学习知识，这就是深度学习的概念。

从图片中很容易看出它们之间的包含关系，以及它们各自所涉及的范围大小。人工智能是最广泛的概念，是不拘于机器学习的，比如，利用一些规则方法，只要能够使得计算机自动化计算的就可以与智能挂上边，所以智能的概念是出现最久的或者说是最早的，比如说计算机，机器人等，但是那个时候还没有出现机器学习以及深度学习的概念呢。而机器学习就是利用一定的算法让机器或者说让计算机来学习，然后学到一个模型，我们可以利用这个模型来解决某些问题，一般情况这，机器学习是基于统计的，有的地方也叫作是统计学习，或者统计方法，它们都是数据驱动的。而最后的深度学习是一个更小的概念，它其实是机器学习方法里面的感知机模型的一个拓展，主要是基于神经网络的一种算法，实际上机器学习的各种模型算法也可以看做是一种浅层的网络，是不包含隐藏层的一种浅层网络结构，而深度学习一般是指网络层数超过两层的稍复杂网络，层和层之间的连接更复杂了一点。希望能够对你有所帮助！