这里有2个要点：

1）人工智能 是 一门技能科学;

2）人工智能 研究与开拓的工具是 理论、技能及运用系统，研究的目的是为了 仿照、延伸和扩展人的智能。

人工智能是打算机科学的一个分支，它企图理解智能的本色，并生产出一种新的能以人类智能相似的办法做出反应的智能机器，该领域的研究包括机器人、机器学习，措辞识别、打算机视觉，自然措辞处理，推举系统和专家系统等。
机器学习只是人工智能的研究方向之一。

强人工智能和弱人工智能

强人工智能 指让机器得到自适应能力，办理一些之前没有碰着过的问题，电影里的人工智能多数都是在描述强人工智能，这种哀求比较高，在目前的现实天下里完备真正实现强人工智能难度很大。

弱人工智能 指让机器具备不雅观察和感知的能力，可以做到一定程度的理解和推理，目前我们科研事情都集中在弱人工智能这部分。

弱人工智能有希望取得打破，这紧张归功于一种实现人工智能的方法——机器学习。

机器学习是让打算机能够自动地从某些数据中总结出规律，并得出某种预测模型，进而利用该模型对未知数据进行预测的方法。
它是一种实现人工智能的办法，是一门交叉学科，综合了统计学、概率论、逼近论、凸剖析、打算繁芜性理论等。
它是人工智能核心，是使打算机具有智能的根本路子。
大略地来说，机器学习便是利用算法剖析数据（须要我们自己找特色值），从中学习并做出推断或预测的一项技能。
与传统的利用特定 指令集手写软件不同，我们利用大量数据和算法来演习机器，让机器学会如何实行任务。

这里有3个要点：

1）机器学习 是利用算法+数据来实现 对天下中发生的事做出判断和预测；

2）机器学习 是 仿照、延伸和扩展人的智能的一条路径，所以是人工智能的一个子集；

3）机器学习是要基于大量数据的，也便是说它的智能是用大量数据演习出来的。

机器学习除了数据 还须要一些处理数据的算法(模型)来支持，常用的算法(模型) 包括9种，神经网络(深度学习)便是个中的一种，参考下图，

深度学习（Deep Learning）

深度学习是用于建立、仿照人脑进行剖析学习的神经网络，并模拟人脑的机制来阐明数据的一种机器学习技能。
它的基本特点，是试图模拟大脑的神经元之间通报，处理信息的模式。
最范例的的运用有打算机视觉和自然措辞处理(NLP)。
显然，深度学习是与机器学习中的神经网络是强干系，神经网络也是其紧张的算法和手段，我们可以将深度学习称之为改良版的神经网络算法。

深度学习就详细研究内容而言，紧张涉及三类

(1)基于卷积运算的神经网络系统，即卷积神经网络(Convolutional neural networks，简称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办法进行预演习，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(Deep Belief Nets，简称DBN)。

其紧张的思想便是仿照人的神经元，每个神经元接管到信息，处理完后通报给与之相邻的所有神经元即可。
以是看起来的处理办法有点像下图。

神经网络的打算量非常大，事实上在很永劫光里由于根本举动步伐技能的限定进展并不大。
而GPU的涌现让人看到了曙光，也造就了深度学习的发达发展，深度学习才一下子火热起来。
击败李世石的Alpha go即是深度学习的一个很好的示例。
Google的TensorFlow是开源深度学习系统一个比较好的实现，支持CNN、RNN和LSTM算法，是目前在图像识别、自然措辞处理方面最盛行的深度神经网络模型。

1） 机器学习是实现人工智能的一种方法

大略来说，机器学习便是利用算法剖析数据 （须要我们自己找特色值），从中学习并做出推断或预测。
与传统的利用特定 指令集手写软件不同，我们利用大量数据和算法来演习机器，由此带来机器学 习如何完成任务。

2） 深度学习是一种分外的机器学习

深度与机器最大差异是机器学习须要 人工探求给定特色值，深度学习是不用的，机器会自己剖析特色值。

机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技能。
下图形象地展现出它们三者的关系

总结：

1）人工智能是一门技能科学，紧张目标是使机器能够胜任一些常日须要人类智能才能完成的繁芜事情

2）机器学习是一种实现人工智能的方法，是人工智能的研究领域之一

3）深度学习是一种实现机器学习的技能，须要大量的数据来演习才能得到空想的结果，须要更高的运算能力支撑(如GPU)

通过本文的讲解，AI和机器视觉以及深度学习的观点和关系该当能理清楚了，如果还有疑问，欢迎留言谈论，感谢阅读~