人工智能、机器学习、深度学习之间的关系

• 一、人工智能
• 二、机器学习
• 三、深度学习
• 三者之间的关系
• • 参考资料

一、人工智能

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。
人工智能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 ，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

二、机器学习

机器学习是一门多领域交叉学科，专门研究 怎样使用计算机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。是 人工智能核心 ，是使计算机具有智能的根本途径。
传统机器学习的研究方向主要包括决策树、随机森林、人工神经网络、贝叶斯学习等方面的研究。

常见的算法：

三、深度学习

深度学习（DL，Deep Learning）是机器学习（ML，Machine Learning）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。
深度学习是 学习样本数据的内在规律和表示层次 ，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是 让机器能够像人一样具有分析学习能力 ，能够识别文字、图像和声音等数据。
深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：
(1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。
(2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。
(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。
深度学习的概念源于 人工神经网络 的研究，含多个隐藏层的多层感知器就是一种深度学习结构。
深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
研究深度学习的动机在于 建立模拟人脑进行分析学习的神经网络 ，它模仿人脑的机制来解释数据，例如图像，声音和文本等。

深度学习应用领域

三者之间的关系

机器学习是实现人工智能的方法，深度学习可以说是机器学习算法中的一个。

参考资料

https://easyai.tech/ai-definition/deep-learning/