人工智慧實際上是一個寬泛的概念，無人駕駛，導航，翻譯系統，金融的量化投資自動交易系統，推薦引擎，機器人等等都可以劃分到人工智慧領域，細分實際只有三類，自然語言處理，語音，影象，在細分機器學習，深度學習，專家系統，進化計算，推薦系統等等，機器學習，用一句話概括的話就是一種實現人工智慧的方法，深度學習是基於機器學習衍生出來的，也就是說深度學習是一種實現機器學習的技術，三者的區別，人工智慧包含機器學習與深度學習，機器學習包含深度學習

作為一名IT行業的從業者，同時也是一名大資料方向的研究生導師，我來回答一下這個問題。

首先，大資料是以資料為核心的一系列資料價值化操作技術的統稱，包括資料的採集、整理、儲存、安全、分析、呈現和應用，其中大資料與雲計算、物聯網和人工智慧關係密切。簡單的說，物聯網是大資料的主要資料來源，雲計算是大資料的支撐平臺，同時大資料也是人工智慧的基礎之一。

人工智慧是目前科技領域的研究熱點，雖然經過了60多年的發展，但是目前人工智慧的概念依然沒有統一，但是人工智慧的研究方向主要集中在六大方向，分別是自然語言處理、機器學習、自動推理、計算機視覺、知識表示和機器人學。

人工智慧是一個典型的交叉學科，涉及到哲學、數學、計算機、控制學、經濟學、社會學、神經學和語言學等，所以人工智慧本身的難度還是比較大的。目前人工智慧依然處在行業發展的初期，當前的人工智慧依然處於“弱人工智慧”時期。

機器學習是人工智慧的重要組成部分之一，簡單的說機器學習就是從一堆雜亂無章的資料中找到其背後的規律（Machine Learning in Aciton），而深度學習是機器學習的一個重要分支，深度學習源於神經網路。

大資料的發展對於機器學習的發展來說具有重要的意義，因為機器學習的基礎就是資料。機器學習的步驟包括資料收集、演算法設計、演算法實現、演算法訓練、演算法驗證和演算法應用，其中資料是機器學習的重要基礎，只有透過大量的資料才能完成演算法的訓練過程。簡單的說，資料量越大，機器學習的效果就會越好。