人工智能（ArtificialIntelligence），英文缩写为AI。人工智能是一项使机器变得智能的科学研究，使机器能够像人类一样解决某些问题。其实，AI并不是什么新鲜事物，它早在上世纪中叶就诞生了。1950年，一个叫马文的人。明斯基的高年级学生和同学建造了世界上第一台神经网络计算机，被视为人工智能的起点。马文后来被称为“人工智能之父”，距今已有将近70年的历史。近年来，AI技术不温不火。偶尔，一些有吸引力的技术会出现，但很快就会消失。直到最近，人工智能才重新回到人们的视线，并赢得了几乎所有互联网巨头的青睐，将人工智能视为未来科技发展的方向，投入大量人力和资金进行研究。人工智能直到现在才流行起来是有原因的。早在70年前，计算机技术刚刚兴起，计算能力和传感器技术都不发达。虽然人工智能的概念很先进，但它的实施并不具备条件。众所周知，要让机器具备学习能力，需要进行大量的学习计算。通过计算它所掌握的数据的规则，就可以知道接下来要做什么。70年前还没有识别和计算数据的能力，因此对AI技术的研究一直处于搁浅状态。但现在不同了。随着云计算、虚拟化和大数据技术的出现，分析数据的能力已经非常强大。再加上计算能力的提升，海量数据的计算可以在几秒内完成，这就提供了很好的AI。成长的土壤，所以现在，AI不普及就会死。人工智能只是一个技术概念，最终需要通过各种具体的技术来实现，机器学习就是其中之一。机器学习使用算法来分析数据、从中学习并做出推论或预测。ML使用大量数据和算法来“训练”机器，让机器学习如何完成任务。比如图像识别，机器一开始识别东西的准确率比较差，机器的表现很随机，但是经过一段时间的训练，随着我们展示的图像越来越多机，机器的图像识别准确率会逐渐提高。当学习到的图片积累到一定数量后，我们就可以对某一种动物进行拍照了。这张图之前机器学习没见过，但是当我们展示这张图的时候，机器可以根据之前的经验准确判断出来。识别它是哪种动物。ML背后的核心思想是设计一个程序，使其在执行时能够提高执行某项任务的能力，而不是一个具有固定行为的程序。ML包含多种问题定义，提供多种不同的算法，可以解决不同领域的各种问题。ML使用数据来解决简单规则不能或难以解决的问题。它被广泛应用于搜索引擎、无人驾驶汽车、机器翻译、医疗诊断、垃圾邮件过滤、玩游戏、人脸识别、数据匹配、信用评级和为图片添加过滤器等任务。深度学习（DeepLearning）是一种实现ML的技术，是当前AI技术中非常热门的话题。它是由Hinton等人提出的。2006年，提出了一种基于深度信念网络的无监督贪心逐层训练算法。DL，也称为深度结构学习、分层学习或深度机器学习，是算法的集合。深度学习使用多层神经网络结构从大数据中学习现实世界中各种事物的表征，这些表征可以直接用于计算机计算。它被认为是智能机器可能的“大脑结构”。DL本身是神经网络算法的衍生物。在图像、语音等富媒体的分类识别上取得了很好的效果。因此，各大研究机构和企业都投入了大量人力进行相关研发。DL侧重于如何快速训练模型。借助深度学习，机器可以处理大量数据、识别复杂模式并获得深刻见解。DL有几个比较出名的技术框架：谷歌tensorflow、微软CNTK、Theano、caffeBerkeley、scikit-learnPython，AlphaGo是使用TensorFlow的杰出之作，AlphaGo彻底虐李世石，直接把DL引火烧身。我们日常的一些推送新闻购物等等，都有DL的影子。DL流行的主要原因是它的准确性。DL模式可以达到最高的准确度，有时甚至超过人类的表现，这让人类感觉很糟糕。未来人类会被DL创造的机器人打败吗？并消灭了。如果是这样，人类真的是搬起石头砸自己的脚。其实，有这种想法的人，真的是多虑了。DL的学习能力可能确实超过了人脑，但是所有的学习能力都是人类赋予的，自然有办法控制。ML和DL都是AI的具体技术实现形式，但它们之间有明显的区别。DL是ML的技术之一。ML包含DL，但DL技术优于ML。机器学习是一种通用技术，包括决策树、贝叶斯和支持向量机等算法，以及神经网络算法。.DL深耕神经网络是一种深度神经网络算法技术，包括深度卷积网络、深度递归网络、递归网络等。ML和DL都提供了训练模型和分类数据的方法，但是ML需要人工选择图像的相关特征来训练机器学习模型，而DL可以自动从图像中提取相关特征，是一种端到端的学习，并且网络给定原始数据、分类等任务自动完成；如果没有高性能的GPU和带标签的数据，那么ML和DL更有优势。这是因为DL通常很复杂，并且在图像的情况下可能需要数千张图像才能获得可靠的结果。只有高性能的GPU才能实现快速计算，花费更少的时间建模分析所有图像，DL的计算量更大；ML通过人工设计特征来决定学习效果，但是特征工程非常繁琐，DL可以从大数据中学习。机器学习自动学习特征；ML在解决一个问题时，会将问题分解成多个子问题，逐一求解，最后将所有子问题的结果结合起来，得到最终结果，而DL提倡直接端到端的问题求解。ML更擅长分析低维度、可解释性强的任务。DL擅长分析高维数据。比如图像、语音等，两者的应用领域会有所不同。ML和DL是AI领域最先进的技术，尤其是DL，代表了当今AI技术的发展方向。越来越多的产品会采用DL技术，但两者的应用领域不同。ML在算力少、算力低的领域依然可以继续发挥其技术优势，两种技术将长期并存。
