人工智能包含机器学习，机器学习包含神经网络，人工智能是一种概念，机器学习和神经网络是实现人工智能的办法，以前的人工智能是通过人为识别特征，通过权重实现，神经网络通过自学特征提取的方式，并通过多层特征拾取，权重学习达到学习的目的。
早期的神经网络是通过多个输入，配以不同的权重，最终做运算和后通过阈值限定以得到输出的方式。称为感知机模型，只能解决线性可分问题。如邮件分类。
第二阶段，分布式表达，将不同的特征用不同的模型表达出来，如红色的卡车，将颜色和车型用两个神经元表达，可以做到自由组合的方式，为后面的深度学习奠定基础。
第三阶段，卷积神经网络和循环神经网络，如可解决自然语言处理和语音识别的LSTM模型。传统方法可识别手写体的支持向量机模型等都有很大的发展。
之后随着云计算等发展，深度学习的输入量得到大大提升，深度学习也得以迅速发展。
深度学习的主要应用方向
计算机视觉
如自动驾驶汽车，人脸识别（识别率高达99.47%），光学字符识别。
自然语言处理
如谷歌翻译。
语音识别
如苹果Siri，Google voice search，微软同声传译的Skype，亚马逊的Alexa。
人机博弈
深蓝，暴力搜索。
AlphaGo，深度学习
蒙特卡洛树搜索，估值网络，走棋网络三部分组成。
医学影像诊断疾病
如皮肤癌
图片自动上色
图片超分辨率：小图变清晰大图
机器翻译：不同语言
情感分析：用户评论 好评。
深度学习工具
谷歌TensorFlow https://www.tensorflow.org/tutorials
百度PaddlePaddle
加州大学伯克利分校视觉与学习中心Caffe
等。可选用活跃度高的平台进行学习比较有效。
传统编程，输入为规则和数据，输出答案
深度学习，输入为答案和数据，输出规则
网友评论