大家现在经常会听到别人提起人工智能、机器学习和深度学习。怎样才可以正确的使用这些词呢？他们的区别是什么呢？

机器学习算法是人工智能背后的推动力量，所有机器学习算法中最关键的是深度学习。

简单来说，人工智能、机器学习和深度学习都是属于一个领域的一个子集。但是人工智能是机器学习的首要范畴，机器学习是深度学习的首要范畴。

人工智能

人工智能是研究让计算机来模拟人的思维过程和智能行为（比如：学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学等学科。可以说几乎是自然科学和社会科学的所有学科。从思维观点上看，人工智能不仅限于逻辑思维，要考虑形象思维和灵感思维才能促进人工智能的突破性的发展。数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

人工智能的领域：

• 机器学习：人工智能的领域，使计算机不用明确编程就可以学习。

• 搜索及优化：算法，如梯度下降迭代搜索局部最大值或最小值。

• 逻辑推理：人工智能中逻辑推理的例子是模拟人类专家决策能力的专家计算机系统。

• 概率推理：将概率论的能力去处理不确定性和演绎逻辑的能力来利用形式论证的结构结合起来。其结果是一个更丰富和更具表现力的形式主义与更广泛应用领域。

• 控制理论：一种正式的方法来找到具有可证性的控制器。这通常涉及描述像机器人或飞机这样的物理系统的微分方程组。

人工智能的目标：

• 逻辑推理：让计算机能够完成人类能够完成的复杂心理任务。例如下棋和数学问题。

• 知识表达：使计算机能够清楚的描述对象、人员和语言。

• 规划和导航：使计算机从A点到B点。例如，第一台自动驾驶机器人建于20世纪60年代初。

• 自然语言处理：使计算机能够理解和处理语言。例如把英语翻译中文，或者把中文翻译成英语。

• 感知：让电脑通过视觉、听觉、触觉和嗅觉与世界交流。

机器学习

机器学习是一门多领域交叉学科。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。

它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

当我们谈论机器学习时，值得一提的是机器学习算法：神经网络。

神经网络是机器学习算法的关键部分。神经网络是教计算机以人类的方式思考和理解世界的关键。实质上，神经网络是模拟人类的大脑。这被抽象为由加权边缘（突触）连接的节点（神经元）的图形。

这个神经网络有一层，三个输入和一个输出。任何神经网络都可以有任何数量的层，输入或输出。

深度学习

深度学习是所有机器学习算法中的核心关键。深度学习是采用神经网络，用于解决线性不可分的问题。

深度学习的概念源于人工神经网络的研究。含多隐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。

这个神经网络有两层，三个输入和一个输出。任何神经网络都可以有任何数量的层，输入或输出。输入神经元和最后一层输出神经元之间的层是深层神经网络的隐藏层。

总结：机器学习是人工智能的前沿，深度学习是机器学习的前沿。

想了解更多编程内容，请关注技术学派。