1. 人工智能（Artificial Intelligence, AI）
- **定义**：人工智能是使机器能够模拟人类智能行为的科学与技术，目标是让机器具备感知、推理、学习、决策等能力。
- **范围**：AI 是一个广泛的领域，涵盖多种技术和方法，包括规则系统、专家系统、自然语言处理、计算机视觉、机器人技术等。
- **目标**：实现通用人工智能（AGI，像人类一样具备广泛智能）或狭义人工智能（专注于特定任务，如语音识别）。
2. 机器学习（Machine Learning, ML）
- **定义**：机器学习是 AI 的一个子领域，通过数据和算法让机器从经验中学习，而无需显式编程。ML 的核心是通过数据训练模型，使其能够对未知数据做出预测或决策。
- **方法**：包括监督学习、无监督学习、半监督学习和强化学习。
- **应用**：如图像分类、推荐系统、语音识别等。
- **特点**：ML 依赖于特征工程和算法设计，需要大量数据来训练模型。
---
3. 深度学习（Deep Learning, DL）
- **定义**：深度学习是机器学习的一个子领域，基于人工神经网络（尤其是深层神经网络）来学习数据的复杂模式。DL 通过多层非线性变换自动提取特征。
- **特点**：
- 能够处理高维数据（如图像、语音、文本）。
- 需要大量数据和计算资源（如 GPU）。
- 自动提取特征，减少了对人工特征工程的依赖。
- **应用**：如图像识别、自然语言处理、自动驾驶等。
- **典型模型**：卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）、Transformer 等。
4. 三者关系
AI > ML > DL
- AI 是最广泛的概念，涵盖所有模拟人类智能的技术。
- ML 是实现 AI 的一种方法，专注于通过数据训练模型。
- DL 是 ML 的一个分支，专注于使用深层神经网络解决复杂问题。
