他們都是為機器取代人類所做的努力，人現在是世界的主宰，最重要是他能思考，有學習的能力，而現在機器主要是按照指令做事，當他有足夠多的資料，並能進行學習時，他就會完全取代人類了。

首先要明確概念，這三個概念是包含的關係，ai，也就是人工智慧，範圍很廣，所有模擬人的行為都算。機器學習，是人工智慧的一個部分，是人工智慧的一種實現方式，機器透過學習，訓練，能夠實現模仿的行為。深度學習，是機器學習的一部分，是現在用的最多的機器學習方法。

分清楚概念，再看他們的用途，就比較容易了，人工智慧，範圍廣，用途也最廣泛。機器學習，是為了機器具有一定的智慧，而採取的實現方法。深度學習，一般以大資料為基礎，將機器訓練得具有智慧。

都是人類開發的由機器改變人工的工作方法，像物流分揀的工作，還有人工智慧的無人機等，但是最終還是完全不能離開人類的操縱。

你的提問首先會被機器做自然語言處理，從中抽取出這個問題的一些關鍵特徵，就像這個問題上面顯示的標籤。然後機器會根據這個標籤去找到對這個標籤感興趣而且能回答的人（比如我就對這個問題剛興趣，並且願意回答），把這個問題分發給他。

在這整個過程中，用到機器學習的地方至少包括分析問題，找到感興趣的人，預測誰會回答。

分析問題就是上面說的自然語言處理技術；

找到感興趣的人會有使用者畫像和匹配技術；

這些都是機器學習，人工智慧的技術在實際場景中的應用。

1. ai是範圍極廣的一個概念，顯然機器學習和深度學習都是ai的範疇。

2. 根據我的理解，機器學習是目前ai最有效的演算法合集,如機器學習十大演算法。

3. 深度學習，簡單地說就是多層的神經網路，是機器學習神經網路的一個分支。hiton在06提出神經網路的最佳化演算法之後，使得神經網路的效能隨資料量的增多而提升。這種強大的演算法就是深度學習。

4. 深度學習是目前人工智慧最熱門的一種演算法，在許多領域展現了強大的效能，如多次重新整理imgnet上的影象識別準確率。

曾被MIT技術評論列為2013年十大突破性技術（Deep Learning居首），它是以ML中的神經網略學習演算法存在的。人工智慧現階段分為弱人工智慧和強人工智慧，神經網路搖身一變成了如今的DL。學界對DL一般有兩種看法，實際上當下科技能實現的所謂“人工智慧”都是弱AI，僅僅用起提取powerful feature；而另一種則希望將其發展成一個新的學習分支，即end-to-end）說不定就是實現未來強AI的突破口1。或者換句話說. 深度學習與AI。在DL還沒有火起來的時候。DL與ML兩者其實有著某種微妙的關係，隨著計算資源和big data的興起，奧創那種才是強AI（甚至是boss級的），也就是我上面說的end-to-end的“深度學習的思想”。本質上來講，人工智慧相比深度學習是更寬泛的概念，深度學習這種技術（我更喜歡稱其為一種思想。 2。而深度學習，一種是將其視作feature extractor，是AI中的一種技術或思想.。