人工智能和机器学习、深度学习的区别和联系

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。

人工智能

在1956年被提出，2012年之前一直饱受争议，直到机器学习新算法(深度学习)的出现，人工智能迎来了大爆发。

人工智能研究的分支有很多，包含：专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

人工智能分为弱人工智能和强人工智能：弱：让机器具备观察和感知的能力，可以做到一定程度的理解和推理。强(很难实现)：让机器获得自适应能力，解决以前没有遇到过的问题。

机器学习

实现人工智能的一种方法。传统的机器学习算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。

学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

机器学习的应用：指纹识别、人脸识别和物体检测。

普遍对机器学习的理解误区：机器学习并不一定需要大量的数据训练模型，例如K-means聚类算法也是一种机器学习算法。

深度学习

实现机器学习的技术，它不是一种独立的方法，它本身也会用到有监督学习和无监督学习的方法来训练深度神经网络。它的研究主要在于神经元的连接方法和**函数等方面做出调整。（实际上就是一种包含多个隐含层的神经网络结构，需要大量的数据去训练）