你可能经常听到人工智能，机器学习，深度学习这些名词。它们之间有什么联系和区别呢？
它们几个概念是包含的关系。人工智能包含机器学习，机器学习包含深度学习。
1.1.1 人工智能
人工智能（Artificial Intelligence,AI）是一个广泛的概念，泛指所有让机器能够模仿或者执行需要人类智慧的任务，目标是让机器具备“智能”，比如感知，推理，决策，语言理解能力等。
其中比如专家系统，它是一种模拟人类专家在特定领域内决策过程的计算机系统。它通过收集领域专家的推理规则，并代替专家在实际情况下给出决策的系统。比如一个医院呼吸科专家，把自己根据病人症状和血常规检查值判断病症 并给出对应治疗药物的经验，转化为规则并记录到系统。下一次这个专家系统让病人勾选自己的病症，并输入血常规各项检查值，就可以根据之前录入的专家规则给出诊断结果了。
再比如知识图谱，它也是人工智能的一部分，你可能在电影里看到过侦探根据犯罪嫌疑人之间的关系在推理案情。知识图谱可以通过定义实体，关系，以及推理规则来模拟这一过程。
不论专家系统还是知识图谱，它们都是模拟了人的智能，人把自己的推理规则提前输入系统，系统只是模拟人的推理来做出判断。这样的系统看似具备智能，但是它和一般的程序没有本质不同。因为他们的推理规则都是人事先定 义的，所有它们的行为是可预期也可控的。
当然人工智能不仅包括专家系统和知识图谱，还包括接下来我们要讲的机器学习。
1.1.2 机器学习
机器学习（Machine Learning,ML）是人工智能的一个重要组成部分，它使得机器具有了学习的能力。它从数据中学习规律，而不用人为指定规则。
程序还是机器学习
传统程序是让计算机按照设计者的逻辑，固定执行一组机器指令。其中运行的逻辑完全是由人指定的。比如前面讲到的专家系统和知识图谱，都是人类专家自己从现实世界学习，把自己学习到的知识转化为一条条规则，通过程序 写入系统。
机器学习可以直接从数据中学习知识，将学到的知识保存在模型里。然后模型利用学到的知识进行预测。它进行预测的逻辑不是人设定的，而是它自己学习得来的。
比如Alpha Go是由Google旗下的人工智能公司DeepMind开发的一款围棋人工智能程序，其中用到了机器学习技术。因为围棋每一步的落子都有非常多的可能，而且要考虑多步棋之间的影响，也就是说围棋有极大的状态空间，很难通过 遍历所有情况来判断那个落子更好。所以之前一直有种说法，只有能在围棋上战胜人类的模型才称得上是真正的智能。Alpha Go就是首次战胜人类冠军的模型。训练Alpha Go的科研人员显然不能战胜围棋冠军，也无法根据目前的棋局 给出具体下棋的规则。但他们训练Alpha Go，让它从围棋对弈的数据中学习，掌握了围棋的知识，并且可以运用学到的围棋知识，从而战胜了人类冠军。上边这张图片就是Alpha Go当时和围棋世界冠军李世石进行对战的直播画面。
机器学习适合解决什么问题
当你需要设计一个系统来解决特定的问题，而且这个问题有着固定的输入。如果从输入得到输出的规则是明确的，那么你编程实现这个规则就可以，而且一般情况下编程具有最高的性价比。如果你从输入得到输出的过程无法通过具体 的规则来实现，那么可以考虑使用机器学习技术来实现。
比如你需要实现一个宇宙飞船的动力控制系统，来把宇宙飞船从地球发射到固定轨道上。这个系统很复杂，你需要给出宇宙飞船在每一时刻动力的大小和角度。这个系统虽然极其复杂但是规则明确。它虽然涉及大量的物理学、工程学 以及实时计算，但其本质依然是基于明确的物理定律和设计规则，因此它适合通过编程和控制算法实现。
相比控制宇宙飞船来说，分辨图片里的动物是猫还是狗，是一个简单到小孩都可以完成的任务，但是你却给不出明确的规则。因为猫和狗有不同的品种，而且照片里的猫和狗有不同的动作和角度。给你的输入是一组照片的像素值，你 不可能给出根据这些像素值得出照片里是猫还是狗的具体规则。但目前的深度学习技术却可以很好的解决这个问题。
因为机器学习模型会从数据中学习知识，但大部分机器学习模型学习到的知识是我们人类很难理解的，比如神经网络，所以我们无法校验它的逻辑。这就造成了机器学习模型会犯错，所以很难被直接应用在一些对错误不能容忍的应用 场景。比如电力控制、银行交易系统、病人诊断等。在这些领域机器学习技术可以辅助人类决策，它给出建议，人类判断后再做出最终决策。正如ChatGPT在它产品页面下方提示：“ChatGPT也可能会犯错，请核查重要信息。”
机器学习里有很多种算法，比如线性回归，决策树，神经网络等。它们都可以从数据中学习，提升模型性能。
1.1.3 深度学习
深度学习是机器学习的一个子集，它只关注利用深度神经网络来解决问题。深度学习里的深度就是指神经网络的层数很多。深度学习在计算机视觉，自然语言处理，语音识别生成等多个方面都取得目前最优的效果。包括大模型也是基 于深度学习技术来实现的。
深度学习技术目前是人工智能领域受关注度最高，效果最好，也最活跃的分支，也是本书要学习的内容。