2016年AlphaGo横空出世，以4：1大胜李世石后，人工智能再次进入大众视野，而比赛结束后，Deepmind随即宣布AlphaGo进入闭关状态。一年后，人类围棋界排名第一的中国棋手柯洁输给了AI界排名第一的AlphaGo围棋人工智能程序，世界哗然。
与此同时，诸多词汇萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。对于初学者来说，这几个概念可能不是很清楚，也容易混淆。笔者参考相关资料后，简单说说对他们的理解。下图中表示人工智能出现最早，范围也最广；其次是机器学习，是实现人工智能的一种方法，出现稍晚；最内是深度学习，是如今人工智能迅猛发展的核心驱动。
人工智能（AI）：从低潮到繁荣
1956年，香农、明斯基等10位科学家在达特茅斯（Dartmouth Conferences）研讨会上，提出了人工智能这个概念，限于当时数据量小、计算机运算能力差等原因，并没有发展起来。直到2002年，随着数据量上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。人工智能的研究领域也在不断扩大，下图为人工智能研究的各个分支。
但是还是集中在弱人工智能（Narrow AI）这个水平，弱人工智能是执行特定任务的水平与人类相当，甚至超越人类的技术。这些技术智能的一面主要还得说说机器学习。
机器学习（ML）：一种实现人工智能的方法
大体来说，机器学习就是用算法真正解析数据，不断学习，然后对世界中发生的事故作出判断和预测。此时，研究人员不会亲手编写软件，然后让程序完成特殊任务，相反，研究人员使用大量数据和算法“训练”机器，让机器学会如何执行任务。
深度学习（DL）：一种实现机器学习的技术
深度学习的概念有Hinton等人于2006年提出，可以说是机器学习的一个分支，但是又不同于机器学习。深度学习不仅仅是具备多层架构的感知器，而是一系列能够用来构建可组合的体系结构的技术和方法。普通神经网络由于代价较高，一般只有3-4层，而深度神经网络由于采用了特殊训练方法，可以达到8-10层。深度神经网络能够捕捉到数据的深度联系，从而获得更准确的模型。
深度学习是机器学习研究中一个新的领域，旨在建立、模拟人脑进行学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音等。
同机器学习方法一样，深度学习也有监督学习和无监督学习之分，不同学习架构下建立的学习模型是不同的。例如卷积神经网络（CNN）是一种深度的监督学习的机器学习模型，而深度置信网（DBN）是一种无监督学习的机器学习模型。
总结
有了深度学习，机器学习才有了许多实际的应用，还拓展了AI的整体范围。深度学习将任务分拆，使得各种类型的机器辅助变成可能。无人驾驶汽车、更好的预防性治疗要么已经出现，要不正在出现。AI既是现在，也是未来。有了深度学习的帮助，也许有一天AI回达到科幻小说、科幻电影描述的水平，这也是我们期待已久的。
