但是三者其实不是一回事 。区别与联系本文借助Michael Copeland的讲解，让我们撩开人工智能、机器学习和深度学习的概念，深入理解它们的关系和区别 。为了搞清三者关系，我们来看一张图：如图所示：人工智能最大，此概念也最先问世；然后是机器学习，出现的稍晚；最后才是深度学习 。从低潮到繁荣自从 1956 年计算机科学家们在达特茅斯会议（Dartmouth Conferences）上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，研究人员也在不遗余力地研究 。
在此后的几十年间，人工智能先是被捧为人类文明光明未来的钥匙，后又被当作过于自大的异想天开而抛弃 。但是在过去几年中，人工智能出现了爆炸式的发展，尤其是 2015 年之后 。大部分原因，要归功于图形处理器（GPU）的广泛应用，使得并行处理更快、更便宜、更强大 。另外，人工智能的发展还得益于几乎无限的存储空间和海量数据的出现（大数据运动）：图像、文本、交易数据、地图数据，应有尽有 。
下面我们从发展的历程中来一一展开对人工智能、机器学习和深度学习的深度学习 。人工智能人工智能先驱们在达特茅斯开会时，心中的梦想是希望通过当时新兴的计算机，打造拥有相当于人类智能的复杂机器 。这就是我们所说的“通用人工智能”（General AI）概念，拥有人类五感（甚至更多）、推理能力以及人类思维方式的神奇机器 。
在电影中我们已经看过无数这样的机器人，对人类友好的 C-3PO，以及人类的敌人终结者 。通用人工智能机器至今只存在 于电影和科幻小说里，理由很简单：我们还实现不了，至少目前为止 。我们力所能及的，算是“弱人工智能”（Narrow AI）：执行特定任务的水平与人类相当，甚至超越人类的技术 。现实中有很多弱人工智能的例子 。
这些技术有人类智能的一面 。但是它们是如何做到的？智能来自哪里？这就涉及到下一个同心圆：机器学习 。机器学习机器学习是实现人工智能的一种方法 。机器学习的概念来自早期的人工智能研究者，已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等 。简单来说，机器学习就是使用算法分析数据，从中学习并做出推断或预测 。
与传统的使用特定指令集手写软件不同，我们使用大量数据和算法来“训练”机器，由此带来机器学习如何完成任务 。许多年来，计算机视觉一直是机器学习最佳的领用领域之一，尽管还需要大量的手动编码才能完成任务 。研究者会手动编写一些分类器（classifier），如边缘检测筛选器，帮助程序辨别物体的边界；图形检测分类器，判断物体是否有八个面；以及识别“S-T-O-P”的分类器 。
在这些手动编写的分类器的基础上，他们再开发用于理解图像的算法，并学习如何判断是否有停止标志 。但是由于计算机视觉和图像检测技术的滞后，经常容易出错 。深度学习深度学习是实现机器学习的一种技术 。早期机器学习研究者中还开发了一种叫人工神经网络的算法，但是发明之后数十年都默默无闻 。神经网络是受人类大脑的启发而来的：神经元之间的相互连接关系 。
但是，人类大脑中的神经元可以与特定范围内的任意神经元连接，而人工神经网络中数据传播要经历不同的层，传播方向也不同 。举个例子，你可以将一张图片切分为小块，然后输入到神经网络的第一层中 。在第一层中做初步计算，然后神经元将数据传至第二层 。由第二层神经元执行任务，依次类推，直到最后一层，然后输出最终的结果 。每个神经元都会给其输入指定一个权重：相对于执行的任务该神经元的正确和错误程度 。
推荐阅读
- s95，请问佳能S95是一款什么样的机型与索尼那款相比性价比高
- 夸克使用与冲突
- 学生学习平板电脑，小霸王学生k10平板电脑学习机好不好
- 高中所有数学公式，高中数学必修4重点公式与解题技巧或经典例题
- 太原中考，山西省中考与太原市的有什么不同
- 中山二手五菱观光车，峨眉山的进入与离开
- 1论数学文化的价值.doc,数学文化的价值与意义是什么意思
- 管理咨询与解决方案专业化服务提供商,领域
- 7900gtx，nvidia 7900GT与7900GTx有什么区别
- 小语种就业前景，学习小语种的就业前景