浅谈AI、ML、DL三者的关系

       人工智能（Artificial intelligence）：机器模拟人类智力和行为做出决策、执行任务的能力。

       简单来说，我们希望有一个机器人能模拟人的各种能力，从而形成人工智能的各种领域，如下示意图。

       最初定义人工智能的方法是图灵测试，即：指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问，判断回答问题的是人或者是机器。

       人工智能的核心是算法。算法（Algorithms）则是一组用于人工智能、神经网络或其他机器的规则或指令，以帮助它自己学习。最常见的算法类型是分类（Classification）、聚类（clustering）、推荐（Recommendation）和回归（Regression）。

机器学习（Machine learning）：人工智能的一个方面，专注于算法，允许机器在不经过编程的情况下学习，并随着新数据的摄入而改变。

       当我们判断是否要使用机器学习时，可以看看是不是如下场景：

      （1）人类不能手动编程；

      （2）人类不能很好的定义这个问题的解决方案；

      （3）人类不能做到要极速决策的系统；

      （4）大规模个性化服务系统。

      深度学习（Deep learning）：机器通过由层叠信息层组成的人工神经网络自主模仿人类思维模式的能力。

      简单来说，层次化的概念让计算机构建较简单的概念来学习复杂概念，如果绘制出这些概念如何建立在彼此之上的图，我们将得到一张“深”（层次很多）的图。

      从下图中可以看到深度学习的优势则是通过对“图”的更深层的分析与辨别。

     从人工智能到机器学习再到深度学习，这些技术一步一步的发展起来，并成为当下人们解决众多问题的关键技术。

   其实三者的关系式是相互联系不可分割的，只是随着人类对技术的认识的深入与研究能力的提高，逐步归纳与实践形成更有特殊技术的领域，三者关系具体如下图所示。

       从图中可以看出深度学习是一种表示学习，也是机器学习中的一种；而机器学习则是人工智能中的一种。

表示学习（Representation Learning）：学习一个特征的技术的集合，即：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦。