2.1　人工智能、机器学习和深度学习

在介绍具体概念之前，先从一张图开始。图2-1表示了人工智能、机器学习和深度学习三者可以被简单描述为嵌套关系：人工智能是最早出现的，范围也最广；随后出现的是机器学习；最内侧是深度学习，也是当今人工智能大爆炸的核心驱动力。

图2-1　人工智能、机器学习和深度学习的关系

人工智能、机器学习和深度学习的依次出现伴随着问题的反复发生和解决。20世纪50年代人工智能首次被提出，那时初露头角的人工智能令各行各业兴奋不已，人们纷纷认为找到了一条万能的道路。紧接着人工智能开始酝酿其第一次浪潮，人工智能实验室在全球各地扎根。而人们过于乐观的态度以及当时人工智能技术不可避免的局限性，使得大众逐渐对这一领域失去了热情。1973年《莱特希尔报告》推出后，人工智能被普遍认为是没有出路的。经历了10年的沉寂，到了20世纪80年代，以专家系统为代表的机器学习开始兴起，人工智能进入了第二个发展阶段。随后人们意识到人工智能的问题不是硬件的问题，而是软件以及算法层面的挑战没有实现突破。正在人们遭遇算法瓶颈时，硬件也出现了危机。随着1987年基于通用计算的Lisp机器在商业上的失败，机器学习也逐渐进入低迷期。到了20世纪90年代后期，由于计算机计算能力的不断提高，人工智能卷土重来。2006年研究人员发现了成功训练深层神经网络的方法，并将这一方法定义为深度学习。2012年深度学习被应用到图像识别领域，大大突破了之前的算法，将最好的结果一下子推到了接近突破人类最佳表现的边缘。此后，深度学习凭借其出色表现，在各大领域掀起浪潮，引起了整个科研界和工业界的狂热追求。

简单来说，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术之一。也可以说，机器学习是人工智能的子集，而深度学习是机器学习的子集。接下来我们不禁要问这三者具体包含了什么，它们的区别与联系是什么？这就需要进行更深入的学习。