我们平时说的人工智能是统称，包括人工智能技术和产品。简单说就是通过模拟人工来实现某种的功能。
机器学习，就是通过软件/工具，让机器来自动学习，然后能达到我们期望的智能水准。
深度学习，是让机器学习更深入的学习，包括智能判断、推演等等，只有机器能进行深度学习，机器智能才能慢慢达到我们的要求。是机器学习实现的一种技术。

一、人工智能
是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，它是一门技术科学，研究与开发的对象是"理论、技术及应用系统"，研究的目的是为了"模拟、延伸和扩展人的智能"。
现如今一些看起来很高端的技术，如图像识别、NLP，依然没有脱离这个范围，就是"模拟人在看图方面的智能"和"模拟人在听话方面的智能"，本质上和"模拟人在计算方面的智能"没什么两样，虽然难度系数比较高，但目的是一样的。
二、机器学习
机器学习是让计算机模拟或实现人类的学习行为，就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。
机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来"训练"，通过各种算法从数据中学习如何完成任务。
常用的10大机器学习算法有：决策树、随机森林、逻辑回归、SVM、朴www.rixia.cc素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔日夏养花网科夫。
从学习方法上来分，机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。
传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。
三、深度学习
是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。
它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。
其主要的思想就是模拟人的神经元，每个神经元接受到信息，处理完后传递给与之相邻的所有神经元即可，神经网络的计算量非常大，需要很高的运算能力支持，如GPU。
欠拟合：如果一个模型在训练时表现很差，测试时也表现很差，那我们把该模型称之为『欠拟合』。
过拟合：如果一个模型在训练时表现优异，测试时却落差很大，不懂预测和应付灵活情况，那我们把该模型称为『过拟合』。
人工智能、机器学习、深度学习三者有什么关系吗?
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。

人工智能
人工智能英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学研究领域的一个重要分支，又是众多学科的一个交叉学科，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等等，人工智能可以对人的意识、思维的信息过程的模拟。人工智能包括众多的分支领域，比如大家熟悉的机器学习、自然语言理解和模式识别等。
机器学习
机器学习属于人工智能研究与应用的一个分支领域。机器学习的研究更加偏向理论性，其目的更偏向于是研究一种为了让计算机不断从数据中学习知识，而使机器学习得到的结果不断接近目标函数的理论。
机器学习，引用卡内基梅隆大学机器学习研究领域的着名教授Tom Mitchell的经典定义：
如果一个程序在使用既有的经验E(Experience)来执行某类任务T(Task)的过程中被认为是“具备学习能力的”，那么它一定要展现出：利用现有的经验E，不断改善其完成既定任务T的性能(Performance)的特质。
机器学习已经有了十分广泛的应用，例如：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、战略游戏和机器人运用。在我们当下的生活中，语音输入识别、手写输入识别等技术，识别率相比之前若干年的技术识别率提升非常巨大，达到了将近97%以上，大家可以在各自的手机上体验这些功能，这些技术来自于机器学习技术的应用。
深度学习
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加RRuTXzt抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。晦涩难懂的概念，略微有些难以理解，但是在其高冷的背后，却有深远的应用场景和未来。
关系
严格意义上说，人工智能和机器学习没有直接关系，只不过是机器学习的方法被大量的应用于解决人工智能的问题而已。目前机器学习是人工智能的一种实现方式，也是最重要的实现方式。
深度学习是机器学习比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音等富媒体的分类和识别上取得了非常好的效果。
人工智能（AI）和机器学习（ML）现在是两个非常热门的流行语，通常似乎可以互换使用。但这二者并不完全一样，但是有时会导致人们的看法有一些混乱，因此需要解释这二者之间的区别。当大数据、数据分析，以及更广泛的技术变革浪潮席卷全球时，这两个术语都会频繁出现。总之，最好的答案是：人工智能是一种机器能够以人们认为“聪明”的方式执行任务的更广泛的概念。而且，机器学习是人工智能的一个最新应用，它基于这样一个想法：真的应该能够让机器访问数据，让他们自己学习。

人工智能是一个很广的学科含义，模拟实现人的智能行为的奇数的集合
目前实现人工智能效果最好的方式是用机器学习技术
也就是利用数据来，提高解决问题模型精度
深度学习又是机器学习中的一个分支，这就是他们的关系