2.1　人工智能、機器學習和深度學習

在介紹具體概念之前，先從一張圖開始。圖2-1表示了人工智能、機器學習和深度學習三者可以被簡單描述為嵌套關系：人工智能是最早出現的，范圍也最廣；隨后出現的是機器學習；最內側是深度學習，也是當今人工智能大爆炸的核心驅動力。

圖2-1　人工智能、機器學習和深度學習的關系

人工智能、機器學習和深度學習的依次出現伴隨著問題的反復發(fā)生和解決。20世紀50年代人工智能首次被提出，那時初露頭角的人工智能令各行各業(yè)興奮不已，人們紛紛認為找到了一條萬能的道路。緊接著人工智能開始醞釀其第一次浪潮，人工智能實驗室在全球各地扎根。而人們過于樂觀的態(tài)度以及當時人工智能技術不可避免的局限性，使得大眾逐漸對這一領域失去了熱情。1973年《萊特希爾報告》推出后，人工智能被普遍認為是沒有出路的。經歷了10年的沉寂，到了20世紀80年代，以專家系統為代表的機器學習開始興起，人工智能進入了第二個發(fā)展階段。隨后人們意識到人工智能的問題不是硬件的問題，而是軟件以及算法層面的挑戰(zhàn)沒有實現突破。正在人們遭遇算法瓶頸時，硬件也出現了危機。隨著1987年基于通用計算的Lisp機器在商業(yè)上的失敗，機器學習也逐漸進入低迷期。到了20世紀90年代后期，由于計算機計算能力的不斷提高，人工智能卷土重來。2006年研究人員發(fā)現了成功訓練深層神經網絡的方法，并將這一方法定義為深度學習。2012年深度學習被應用到圖像識別領域，大大突破了之前的算法，將最好的結果一下子推到了接近突破人類最佳表現的邊緣。此后，深度學習憑借其出色表現，在各大領域掀起浪潮，引起了整個科研界和工業(yè)界的狂熱追求。

簡單來說，機器學習是實現人工智能的方法，深度學習是實現機器學習的技術之一。也可以說，機器學習是人工智能的子集，而深度學習是機器學習的子集。接下來我們不禁要問這三者具體包含了什么，它們的區(qū)別與聯系是什么？這就需要進行更深入的學習。