機器學習是一種實現人工智慧的方法，深度學習是一種實現機器學習的技術。

人工智慧

在1956年被提出，2012年之前一直飽受爭議，直到機器學習新演算法(深度學習)的出現，人工智慧迎來了大爆發。

人工智慧研究的分支有很多，包含：專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。

人工智慧分為弱人工智慧和強人工智慧：弱：讓機器具備觀察和感知的能力，可以做到一定程度的理解和推理。強(很難實現)：讓機器獲得自適應能力，解決以前沒有遇到過的問題。

機器學習

實現人工智慧的一種方法。傳統的機器學習演算法包括決策樹、聚類、貝葉斯分類、支援向量機、EM、Adaboost等等。

學習方法上來分，機器學習演算法可以分為監督學習（如分類問題）、無監督學習（如聚類問題）、半監督學習、整合學習、深度學習和強化學習。

機器學習的應用：指紋識別、人臉識別和物體檢測。

普遍對機器學習的理解誤區：機器學習並不一定需要大量的資料訓練模型，例如K-means聚類演算法也是一種機器學習演算法。

深度學習

實現機器學習的技術，它不是一種獨立的方法，它本身也會用到有監督學習和無監督學習的方法來訓練深度神經網路。它的研究主要在於神經元的連線方法和啟用函式等方面做出調整。（實際上就是一種包含多個隱含層的神經網路結構，需要大量的資料去訓練）