人工智能是指讓機器獲得像人類一樣思考與處理事情能力的技術，最早出現在 1956 年召開的達特茅斯會議上。這次會議主要討論著一個在當時看來完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。

人工智能是一項極具挑戰性的任務。從人類認知角度看，因為人類目前尚無法對人腦的工作機制有全面科學的認知，所以制造出達到人腦水平的智能機器無疑是非常困難的。但是隨著計算機技術的發展，在某個方面呈現出類似、接近甚至超越人類智能水平的機器被證明是可行的。

怎么實現人工智能是一個非常廣袤的問題。人工智能的發展主要經歷過 3 種階段，每個階段都代表了人類從不同的角度嘗試實現人工智能的探索足跡。

最早期人類試圖通過總結、歸納出一些邏輯規則，并將邏輯規則以計算機程序的方式來開發智能系統。但是這種顯式的規則往往過于簡單，很難表達復雜、抽象的規則。這一階段被稱為推理期。

1970 年代，科學家們嘗試通過知識庫+推理的方式解決人工智能，通過構建龐大復雜的專家系統來模擬人類專家的智能水平。這些明確指定規則的方式存在一個最大的難題，就是很多復雜，抽象的概念無法用具體的代碼實現。比如人類對圖片的識別，對語言的理解過程，根本無法通過既定規則模擬。為了解決這類問題，一門通過讓機器自動從數據中學習規則的研究學科誕生了，稱為機器學習，并在 1980 年代成為人工智能中的熱門學科。

在機器學習中，有一門通過神經網絡來學習復雜、抽象邏輯的方向，稱為神經網絡。

神經網絡方向的研究經歷了 2 起 2 落，并從 2012 年開始，由于效果極為顯著，應用深層神經網絡技術在計算機視覺、自然語言處理、機器人等領域取得了重大突破，部分任務上甚至超越了人類智能水平，開啟了以深層神經網絡為代表的人工智能的第 3 次復興。這次復興直接與我們生活息息相關，如語音識別技術、人臉識別技術從本質上改變了我們生活的方式。

深層神經網絡有了一個新名字，叫做深度學習，一般來講，神經網絡和深度學習的本質區別并不大，深度學習特指基于深層神經網絡實現的模型或算法。人工智能，機器學習，神經網絡，深度學習的相互之間的關系如圖所示。