概念

深度学习（Deep Learning）是机器学习本身的分支，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取*算法来替代手工获取特征。

总结三者之间的关系就是：机器学习，实现人工智能的方法；深度学习，实现机器学习的技术。

人工智能（Artificial Intelligence, AI）

通常是指由人工制造出来的系统所表现出来的智能化运用。

通常人工智能是指通过普通电脑实现的智能。“人工智能”一词用来描述模仿人类与其他人类思维相关联的“认知”功能的机器，如“学习”和“解决问题”。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题，其中之一是如何使用各种不同的工具完成特定的应用程序。AI的核心问题包括推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。

机器学习（Machine Learning）

机器学习是人工智能的一个分支。

人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点。机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。

机器学习有以下几种定义：机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。 机器学习是对能通过经验自动改进的计算机算法的研究。机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。“计算机程序可以在给定某种类别的任务T和性能度量P下学习经验E，如果其在任务 T 中的性能恰好可以用P度量，则随着经验 E 而提高。”

机器学习已广泛应用于数据挖掘、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、战略游戏和机器人等领域。

以上是来至知乎关于深度学习的百科解释

无际深度学习的机器

无际在深度学习这方面提供了大量的硬件实际应用方案，我们根据客户提出的要求和方向，结合我们工程师的能力，在跟客户交流沟通的过程中，整理一套满足要求，又具有非常高的稳定性可靠性的方案，同事兼备性价比和可扩展性，为客户考虑后期运行成本和配件添加的潜在接口；各类研究模型在初期一般都用了较高的配置和资金投入，通过我们的理解，未来真正使用到成果的机器将低成本化，分布化&边缘计算方向发展。无际有着非常多的方案搭配，欢迎来电咨询和交流。