人工智能，机器学习和深度学习现已成为许多企业不可或缺的一部分。 这些术语通常用作同义词。
人工智能取得了长足的进步-从无人驾驶汽车领域的成就以及在
扑克和围棋等游戏中击败某个人的能力，到自动化的客户服务。 人工智能是一种先进的技术，可以随时改变业务。
通常，随意将人工智能，机器学习和深度学习这两个术语互换使用，但是实际上它们之间存在差异。 这些术语的确切区别将在后面描述。
人工智能（AI）
人工智能是有关高级机器智能的广泛概念。 1956年，在达特茅斯举行的一次人工智能会议上，该技术的描述如下：“原则上，可以精确地描述学习的所有方面或智能的任何其他特征，以至于机器可以模仿它们。”
人工智能可以与任何事物相关-从下棋的计算机程序到语音识别系统，例如
Amazon Alexa语音助手，它能够感知语音并回答问题。 一般而言，人工智能系统可分为三类：有限人工智能（Narrow AI），通用人工智能（AGI）和超智能人工智能。
IBM的
Deep Blue程序（可以在1996年击败国际象棋的Garry Kasparov）或Google的DeepMind
AlphaGo程序（可以在2016年击败世界冠军郭力·塞多尔）是可以解决一个特定问题的有限人工智能的例子。 这是它与通用人工智能（AGI）的主要区别，后者可以与人类智能相提并论，可以执行许多不同的任务。
超人工智能是人类领先的一步。
尼克·博斯特伦 （
Nick Bostrom ）对此进行了如下描述：“它是一种智能，几乎在所有领域都比人类的最佳大脑聪明得多，包括科学创造力，一般智慧和社交技能。” 换句话说，这就是汽车变得比我们聪明得多的时候。
机器学习
机器学习是人工智能的领域之一。 基本原理是机器接收数据并从中“学习”。 当前，它是基于人工智能的业务最有前途的工具。 机器学习系统使您可以将在训练中获得的知识快速应用于大数据集，从而使它们在诸如人脸识别，语音识别，对象识别，翻译和许多其他任务方面表现出色。 与带有用于执行特定任务的手动编码指令的程序不同，机器学习使系统能够学习如何独立识别模式并进行预测。
虽然这两个程序-Deep Blue和DeepMind-都是使用人工智能的示例，但Deep Blue是基于一组预先编程的规则构建的，因此与机器学习无关。 另一方面，DeepMind就是机器学习的一个例子：该程序通过训练有经验的玩家所进行的大量数据训练自己，从而击败了Go的世界冠军。
您的企业是否有兴趣
将机器学习整合到您的策略中？ 亚马逊，百度，谷歌，IBM，微软和其他公司已经提供了企业可以使用的机器学习平台。
深度学习
深度学习是机器学习的子集。 它使用一些机器学习方法来使用可模仿人类决策的神经网络解决实际问题。 深度学习可能很昂贵，并且需要大量的培训数据。 这是由于以下事实：需要为训练算法配置大量参数，以避免误报。 例如，可以指示深度学习算法“学习”猫的外观。 为了进行训练，将需要大量图像，以便学习区分最小的细节，从而可以区分猫与猎豹，黑豹或狐狸。
如上所述，2016年3月，AlphaGo DeepMind程序使用深度学习在5场比赛中有4场击败了世界冠军Guo Li Sedol，取得了重大胜利。 根据Google的说法，深度学习系统是通过结合“
蒙特卡洛方法搜索具有深度神经网络
的树的方法而建立的 ，深度神经网络已经在专业游戏中经过老师的培训，并且在游戏本身中得到了强化学习”。
深度学习还具有业务应用程序。 您可以获取大量数据-数百万张图像，并借助它们来识别某些特征。 文本搜索，欺诈检测，垃圾邮件检测，手写识别，图像搜索，语音识别，翻译-所有这些任务都可以使用深度学习来完成。 例如，Google的深度学习网络已取代了许多“需要手动操作的基于规则的系统”。
值得注意的是，深度学习可以完全“有偏见”。 例如，最初部署Google的人脸识别系统时，它会将许多黑脸标记为大猩猩。 Intuit的Mint首席数据科学家Anu Tewary说：“这是如果您的培训中没有非洲裔美国人会发生什么的一个例子。” “如果您没有在系统上工作的非裔美国人，如果您没有测试系统的非裔美国人，那么当您的系统遇到非裔美国人时，它将不知道如何表现。”
有一种观点认为
，深度学习的
话题被大肆宣传 。 例如，
Sundown AI通过结合使用机器学习和策略图算法来提供自动的客户交互，而无需进行深度学习。
原始文章是“
了解AI，机器学习和深度学习之间的差异 ”。