人工智能，机器学习，深度学习，神经网络，四者的含义和关系

在很多关于人工智能的书中都提到了这些词：人工智能，机器学习，深度学习，神经网络。
为了弄懂这些词的含义，我查看了百度百科，翻了各种书籍，来看下我的总结吧。

人工智能

英语：Artificial Intelligence，缩写为AI。
Artificial有人造的、仿造的、虚伪的、人工的，这些意思。
Intelligence有智力、才智、智慧等这些意思。
其实就是由人制作出来的，并带有知识储备的机器、计算机或者机器人，所表现出来的一种智慧。
从广义来说，人工智能可以指一切能够自己工作的机器或代码。
而狭义的人工智能，则是一种科学，是从计算机科学独立出来的一个分支。
百度百科上说：

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

360百科上说：

通常人工智能是指通过普通计算机程序来呈现人类智能的技术。

百度百科上说的更为狭义，而360百科上说的则是广义的人工智能。
百科上还说：

人工智能是一门边缘学科，属于自然科学和社会科学的交叉。

我觉得不全对，人工智能的研究方向是属于自然科学和社会科学的，但是如果要学习人工智能的技术，就是思维科学的范畴。思维学有三个组成部分，抽象(逻辑)思维学、折叠形象(直感)思维学、折叠灵感(顿悟)思维学。
所以，想要学习人工智能，思维科学、自然科学、社会科学，一个都不能少。
用一张图来简单表示：

另外百科上还介绍了人工智能涉及的学科和研究范畴：

涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论
研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法

简单来说，人工智能可以处理人类可以利用直觉就能解决的问题。

机器学习

百科中给出的定义：

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

机器学习比人工智能更进一步，不仅有了知识储备，还有了自我学习的能力。百科中有这样一句话：

它是人工智能核心，是使计算机具有智能的根本途径。

说的再具体一些，机器学习就是利用现有的数据，建立数据模型，然后利用模型去预测。就像一个人，在小时候，由父母和老师灌输一些知识，等到大一些，就能自己去举一反三地学习。

机器学习的应用范围有：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。

深度学习

百度百科上是这样说深度学习的：

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

360百科是这样说深度学习的：

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

深度学习的应用范围：搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域。
深度学习的概念源于人工神经网络的研究。那么先来看看什么是神经网络？

神经网络

神经网络也叫人工神经网络。
英语：Artificial Neural Networks，简写为ANNs。
360百科上的定义是：

是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

神经网络的研究领域主要包括：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。

四者的关系

人工智能，机器学习，深度学习，神经网络，四者的关系如下：

机器学习是人工智能的进阶，机器学习深入后是深度学习，深度学习是从神经网络研究中发掘的。