人工智能一般分為兩類，

一類是“強人工智能（General AI）”,也就是打造一臺超棒的機器，

讓它擁有人類的所有感知，甚至還可以超越人類感知，它可以像人一樣思考。

另一類是弱人工智能（Narrow Al）,弱人工智能”可以像人類一樣完成某些具體任務，

有可能比人類做得更好，例如Facebook用AI識別臉部，這就是“弱人工智能”。

機器學習這個概念是早期的AI研究者提出的。

是使用算法來解析數(shù)據(jù)、從中學習，然后對真實世界中的事件做出決策和預測。

與傳統(tǒng)的為解決特定任務、硬編碼的軟件程序不同，

機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。

舉個簡單的例子，當我們?yōu)g覽網(wǎng)上商城時，經(jīng)常會出現(xiàn)商品推薦的信息。

這是商城根據(jù)你往期的購物記錄和冗長的收藏清單，識別出這其中哪些是你真正感興趣，

并且愿意購買的產品。

這樣的決策模型，可以幫助商城為客戶提供建議并鼓勵產品消費。

機器學習直接來源于早期的人工智能領域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。

從學習方法上來分，機器學習算法可以分為監(jiān)督學習（如分類問題）、無監(jiān)督學習（如聚類問題）、半監(jiān)督學習、集成學習、深度學習和強化學習。

深度學習本來并不是一種獨立的學習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學習方法來訓練深度神經(jīng)網(wǎng)絡。

現(xiàn)如今，越來越多的人將其看作一種學習的方法。最初的深度學習是利用深度神經(jīng)網(wǎng)絡來解決特征表達的一種學習過程。

深度神經(jīng)網(wǎng)絡本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡結構。

為了提高深層神經(jīng)網(wǎng)絡的訓練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應的調整。

深度學習摧枯拉朽般地實現(xiàn)了各種任務，使得似乎所有的機器輔助功能都變?yōu)榭赡堋?/p>

無人駕駛汽車，預防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實現(xiàn)。

人工智能讓機器展現(xiàn)出人類智力、機器學習是抵達AI目標的一條路徑、深度學習是一種實現(xiàn)機器學習的技術；

同時，有了深度學習，機器學習才有了許多實際的應用，并且還拓展了AI的整體范圍。

機器學習這個概念是早期的AI研究者提出的。是使用算法來解析數(shù)據(jù)、從中學習，然后對真實世界中的事件做出決策和預測。

與傳統(tǒng)的為解決特定任務、硬編碼的軟件程序不同，機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。