? ? ? ?

人工智能（Artificial Intelligence，縮寫為AI）--又稱為機器智能，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人工智能是智能學科重要的組成部分，它企圖了解智能的實質，并生產出一種新的能以與人類智能相似的方式做出反應的智能機器。人工智能的研究領域十分廣闊，主要包括機器人、語言識別、圖像識別、自然語言處理、專家系統、機器學習，計算機視覺等。

機器學習(Machine Learning，縮寫為ML)--是專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習是人工智能核心，是使計算機具有智能的根本途徑。

深度學習（Deep Learning，縮寫為DL）--深度學習的概念源于人工神經網絡的研究，含多個隱藏層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的有效表示，而這種使用相對較短、稠密的向量表示叫做分布式特征表示（也可以稱為嵌入式表示）。研究深度學習的動機在于建立模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。深度學習是機器學習的一種，而機器學習是實現人工智能的必經路徑。

人工神經網絡(Artificial Neural Net,縮寫為ANN)--簡稱神經網絡，是一種模擬人腦的神經網絡以期能夠實現類人工智能的機器學習技術。神經網絡是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。

卷積神經網絡（Convolutional Neural Networks, CNN）--是一類包含卷積計算且具有深度結構的前饋神經網絡（Feedforward Neural Networks），是深度學習的代表算法之一。卷積神經網絡仿造生物的視知覺（visual perception）機制構建，可以進行監督學習和非監督學習。卷積神經網絡的結構主要由以下幾個部分組成：輸入層，卷積層，池化層，激活函數層，全連接層和輸出層。

人工智能、機器學習、神經網絡、深度學習和卷積神經網絡的關系可以用下圖概略表示：