人工智能的深度学习是什么意思？
我们来一起梳理一下人工智能与深度学习的关系。
人工智能首先，大家所谈论的人工智能可以分为两个层面：“强人工智能”和“ 弱人工智能”。其中：
弱人工智能希望借鉴人类的智能行为，研制出更好的工具以减轻人类智力劳动，类似于“高级仿生学”。
强人工智能希望研制出达到甚至超越人类智慧水平的人造物，具有心智和意识、能根据自己的意图开展行动，可谓“人造智能”。
AI技术现在所取得的进展和成功，是缘于“弱人工智能”而不是“强人工智能”的研究。要想让AI借鉴人类的智能行为，关键的一个环节是让AI模拟人类的学习行为。
所以，这里面有个非常关键的技术，叫做机器学习。
机器学习机器学习是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。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
目前的机器学习可以分为三大类：
（1）有监督的学习
数据具备特征（features）和预测目标（labels），又分为：
a.二元分类
简单粗暴地理解，即让AI做是非题
b.多元分类
可以理解为，让AI做选择题
c.回归分析
可以理解为，让AI做计算题
（2）无监督的学习
从现有数据并不知道预测的答案，无预测目标（labels）。
（3）强化学习
通过定义的动作、状态和奖励不断训练，使其学会某种能力。
机器学习有一个很有意思的技术，叫做人工神经网络。
人工神经网络（ANN：Artificial Neural Network）是一种模拟人脑神经网络以期能够实现类人工智能的机器学习技术。它可实现函数逼近、数据聚类、模式分类、优化计算等功能。 因此，神经网络广泛应用于人工智能、自动控制、机器人、统计学等领域的信息处理中。
通过这两张图的对比，我们可以看到，机器学习中的人工神经网络很好地借鉴了人类神经网络的特点，是一种非常有意思的仿真。
深度学习而深度学习是一种特殊的机器学习，是机器学习研究中的一个新领域，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。
深度学习能直接对大量数据进行表征学习，来替代手工获取特征。深度学习与传统机器学习最主要的区别在于：随着数据规模的增加其性能也不断增长。引发深度学习热潮的一个标志性事件是：2016年3月，AlphaGo（谷歌旗下DeepMind研发）击败了李世石九段。
相应的，深度学习有一个非常重要的技术，叫做卷积神经网络。
卷积神经网络（Convolutional Neural Network, CNN）是一种典型的深度神经网络，它避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。
总结最后，我们用一张图来梳理一下人工智能、机器学习、深度学习的关系：
