一、AI的起源
人工智能AI不是新的词汇，早在1950年代就有了。
那么这个词意味着什么呢？这个词意味着一个人类长远以来的目标，希望机器可以跟人一样的聪明。在科幻小说里面，我们看要很多这样的幻想和期待。但很长段时间里面，人们并不知道怎么做到人工智能这件事情，直到后来，大概 1980 年代以后，有了机器学习的方法。那么机器学习顾名思义，就是让机器具有学习的能力。
二、AI与ML、ML与DL的关系
人工智慧是我们想要达成的目标，而机器学习是想要达成目标的手段，希望机器通过学习方式，他跟人一样聪明。
而深度学习就是机器学习的其中一种方法。
生物的行为取决于两件事，一个是后天学习的结果，不是后天学习的结果就是先天的本能。对于机器来说也是一样，他怎么样表现的很有智慧，要么就是通过后天学习的手段表现的很有智慧，要么就是它的先天的本能。机器为什么会有先天的本能，那可能就是他的创造者，其实都是人类，帮它事先设立好的，称之为hand-crafted rules。
hand-crafted rules是具有缺点的。
使用 hand-crafted rules 你没办法考虑到所有的可能性，它非常的僵化，而用 hand-crafted rules 创造出来的 machine，它永远没有办法超过它的创造者人类。
机器学习发展，对比较小规模企业反而是更有利的。因为接下来，不需要非常大量的人来帮你想各式各样的规则，只要手上有 data，你可以让机器来帮你做这件事情。
三、ML的深层理解
我们要做的其实是让机器他有自己学习的能力，也就我们要做的应该 machine learning 的方向。讲的比较拟人化一点，所谓 machine learning 的方向，就是你就写段程序，然后让机器人变得了很聪明，他就能够有学习的能力。接下来，你就像教一个婴儿、教一个小孩一样的教他，你并不是写程序让他做到这件事，你是写程序让它具有学习的能力。然后接下来，你就可以用像教小孩的方式告诉它。
ML主要可以分为以下3个步骤：
左边这个部分叫 training，就是学习的过程；右边这个部分叫做 testing，学好以后你就可以拿它做应用。所以在整个 machine learning framework 整个过程分成了三个步骤。第一个步骤就是找一个 function，第二个步骤让 machine 可以衡量一个 function 是好还是不好，第三个步骤是让 machine 有一个自动的方法，有一个好演算法可以挑出最好的 function。
四、ML相关的技术
蓝色——学习的情景（无法控制的）；
红色——具体的Task（要解的问题）；
绿色——不同Task里的不同model（使用的算法）。
参考资料：