人工智能、机器学习与深度学习

人工智能主要解决的问题有自然语言理解、图像识别、语音识别等等。

机器学习可以定义为：如果一个程序（算法）可以在任务T上，随着经验E 的增加，效果P也随之增加，那么称这个程序可以从经验中学习。很多传统的机器学习算法有一个共同的问题，就是无法从数据中学习到更好的特征表达。
机器学习的研究者们通常会为不同的任务设计不同的算法，直到今天，学术机构的机器学习领域也被分为自然语言处理，计算机视觉和语言识别等不同的实验室。

深度学习是机器学习的一个分支，它可以学习特征和任务之间的关联，还能自动地从简单特征中提取更加复杂的特征。深度学习领域主要关注如何搭建智能的计算机系统，解决人工智能中遇到的问题。
深度学习的通用性，使得研究者往往可以跨越多个研究方向，甚至同时活跃与所有的研究方向。

总之，人工智能是一个广泛的问题，机器学习是解决这类问题的重要手段，深度学习则是机器学习的分支。在很多人工智能的问题上，深度学习的方法推动了人工智能领域的发展。