我们周围的事物正变得越来越智能。

从汽车到智能手机，到数字助理，甚至包括机器人。我们不只是在讲每天层出不穷的、突破性的新功能。更重要的是，设备、计算机和机器都在聪明地执行任务。它们是如何做到的呢?通过人工智能，也就是AI。

“人工智能”一词最早由认知科学家约翰·麦卡锡在研究中提出，他写到，“这项研究基于一种推测，即任何学习行为或其它智力特征，在原则上都可以被精确地描述，从而可以制造出一台机器来模拟它。”这种描述在今天仍然适用，只是复杂性增加了一些。

你也许最近经常听到“人工智能”和另外几个词汇同时出现，特别是“机器学习”和“深度学习”。它们经常被互换使用，尽管它们存在关联，但其实并非同一事物。

这样说可能会让人感到困惑。我们通过一个经典的例子来解释人工智能、机器学习和深度学习之间的区别：比较苹果和橙子。

从广义上讲，人工智能描述一种机器与周围世界交互的各种方式。通过先进的、像人类一样的智能——软件和硬件结合的结果——一台人工智能机器或设备就可以模仿人类的行为或像人一样执行任务。

我们今天读到了很多关于人工智能的内容，比如语音识别(用于智能个人助理设备)，面部识别(被用在目前社交媒体上很流行的滤镜中)，或者物体识别(比如搜索苹果和橙子的图片)。然而这些功能是如何实现的?从根源上看，配备人工智能的机器会模仿人类的思维过程，比如分辨苹果和橙子的能力。

机器学习是人工智能的一种途径或子集，它强调“学习”而不是计算机程序。一台机器使用复杂的算法来分析大量的数据，识别数据中的模式，并做出一个预测——不需要人在机器的软件中编写特定的指令。在错误地将奶油泡芙当成橙子之后，系统的模式识别会随着时间的推移而不断改进，因为它会像人一样从错误中吸取教训并纠正自己。通过机器学习，一个系统可以从自身的错误中学习来提高它的模式识别能力。

深度学习是机器学习的一个子集，推动计算机智能取得长足进步。它用大量的数据和计算能力来模拟深度神经网络。从本质上说，这些网络模仿人类大脑的连通性，对数据集进行分类，并发现它们之间的相关性。如果有新学习的知识(无需人工干预)，机器就可以将其见解应用于其他数据集。机器处理的数据越多，它的预测就越准确。

例如，一台深度学习的设备可以检查大数据——比如通过水果的颜色、形状、大小、成熟时间和产地——来准确判断一个苹果是不是青苹果，一个橙子是不是血橙。通过深度学习，机器可以处理大量数据，识别复杂的模式，并提出深入的见解。

人工智能、机器学习和深度学习之间的差异并不像苹果和橙子那么明显，它们更微妙。