機器學習是一種實現人工智慧的方法，深度學習是一種實現機器學習的技術。

人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。

深度學習是機器學習領域中一個新的研究方向，它被引入機器學習使其更接近於最初的目標——人工智慧。深度學習是機器學習的一種，而機器學習是實現人工智慧的必經路徑。深度學習的概念源於人工神經網路的研究，含多個隱藏層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分散式特徵表示。研究深度學習的動機在於建立模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字等。

最初的深度學習是利用深度神經網路來解決特徵表達的一種學習過程。深度神經網路本身並不是一個全新的概念，可大致理解為包含多個隱含層的神經網路結構。為了提高深層神經網路的訓練效果，人們對神經元的連線方法和啟用函式等方面做出相應的調整。

我來試著找一下規律

3者相同之處就是，都需要資料，大量的資料，沒有大資料做支撐根本無法實現智慧化

這麼給你舉個栗子吧，你認識一個姑娘，想把她追到手，你所採用的方法叫人工智慧。

方法很多，其中一個就叫做欲擒故縱，那這個就稱之為機器學習。

欲擒故縱又會有很多實施方式，那其中一個實施方式就叫深度學習。

再進一步說，深度學習演算法有多種語言來實現，常用的有Python，Java等，這就相當於你是送朵花，還是買個包。

Java和Python也只是一種工具，核心還是演算法思想，也就是你追女孩子的思路。

所以你該明白，學習人工智慧，需要從總體上了解人工智慧的全貌，然後選準一個方向，深入研究，人工智慧面太廣了，一個人不可能全部搞明白，需要深入到某個分支細細研究，足以!

人工智慧是一個大的領域，而實現這個領域的功能需要技術。

機器學習就是其中之一。

而深度學習是機器學習的子集，在硬體設施計算能力等方面有了大幅度提高後，得到了快速發展。

大概就是這樣。

任何事物的出現都有一個產生、發展、乃至繁榮的過程，人工智慧也不例外。最初人工智慧的先驅們，想著依據剛剛出現的計算機來構造象人類一樣有理性，有思考的機器來代替人類，但他短時間內能實現嗎？不能。這就需要給機器"學習”。

一個成材的大學生，需要從小努力，十幾年的克苦，方能成功。現在的人工智慧，只能說是弱的人工智慧，象一個剛出生的娃娃。通過機器學習，使用演算法來分析資料，從中學習然後對真實世界中的事物做出預測，決策。當然這種學習還沒有實現通用的人工智慧的最終目的，還需要深度學習。

深度學習，是實現機器學習的一種技術，賦予人工智慧美好的未來，使得任何機器的協助看上去成為可能，在深度學習的幫助下，人工智慧可能甚至達到我們一直以來幻想的科幻狀態。