人工智能（Artificial Intelligence，AI）

它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。

機(jī)器學(xué)習(xí)（Machine Learning，ML）

是指從有限的觀測(cè)數(shù)據(jù)中學(xué)司或猜測(cè)出具有一般性的規(guī)律，并利用這些規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法。主要關(guān)注如何學(xué)習(xí)一個(gè)預(yù)測(cè)模型。需要首先將數(shù)據(jù)表示為一組特征Feature，然后將這些特征輸入到預(yù)測(cè)模型，并輸出預(yù)測(cè)結(jié)果。其特征主要靠人工經(jīng)驗(yàn)或特征轉(zhuǎn)換方法來(lái)抽取。

表示學(xué)習(xí)（Representation Learning）

將輸入信息轉(zhuǎn)換為有效的特征稱為表示（Representation），從原始輸入數(shù)據(jù)中自動(dòng)地學(xué)習(xí)出有效的特征，并提高最終機(jī)器學(xué)習(xí)模型的性能的方法叫表示學(xué)習(xí)（Representation Learning），從而提高機(jī)器學(xué)習(xí)系統(tǒng)的準(zhǔn)確率

深度學(xué)習(xí)（Deep Learning，DL）

深度學(xué)習(xí)是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，這些學(xué)習(xí)過(guò)程中獲得的信息對(duì)諸如文字，圖像和聲音等數(shù)據(jù)的解釋有很大的幫助。它的最終目標(biāo)是讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力，能夠識(shí)別文字、圖像和聲音等數(shù)據(jù)。?