1、人工智能、机器学习和深度学习的关系
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术。如下图，
人工智能（AI）让机器“看起来像人一样聪明”
机器学习（ML）让机器“通过数据学习规律”
深度学习（DL）让机器“通过神经网络自动提取特征并做决策”
2、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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
3、机器学习
机器学习是一门科学的艺术，让计算机按照设计和编程的算法行事。许多研究人员认为，机器学习是向人类水平的人工智能迈进的最佳途径。它包括−等各种类型的模式
1）监督式学习模式
2）无监督学习模式
4、深度学习
深度学习是机器学习的一个分支，相关算法的灵感来自于被称为人工神经网络的大脑结构和功能。
深度学习通过监督学习或从标记的数据和算法中学习获得了很大的重要性。深度学习中的每个算法都经历相同的过程。它包括输入的非线性转换层次，并用于创建一个统计模型作为输出。
机器学习过程通过以下步骤定义：
1）识别相关数据集，并为分析做好准备。
2）选择要使用的算法类型。
3）基于所采用的算法建立分析模型。
4）用测试数据对模型进行训练，并根据需要对模型进行修正。
5）运行模型以生成测试分数。
5、概念对比
AI 就像一个宏大的目标——制造出像人一样聪明的机器，机器学习就像实现 AI 目标的一种具体方法，让计算机通过学习数据来变得更智能，就像人类通过经验学习一样。深度学习就像机器学习中一种更强大、更精细的方法，使用模仿大脑结构的深层网络来学习极其复杂的模式，就像人类大脑通过多层次的神经元连接进行复杂思考一样。
| 类别 | 简介说明 |
|---|---|
| 人工智能（AI） | 广义的概念， 指让机器具备“人类智能”的技术体系， 如感知、推理、规划、决策等。 早期包括专家系统、搜索算法等 |
| 机器学习（ML） | AI 的一个分支，不依赖硬编码规则， 而是通过从数据中学习模式来改进自身表现。 典型算法包括： 决策树、支持向量机、KNN、线性回归等 |
| 深度学习（DL） | 是机器学习的一个子领域， 使用多层神经网络模拟人脑工作机制， 适合处理图像、语音、文本等复杂高维数据， 典型模型有 CNN、RNN、Transformer 等 |