首先要簡單區別幾個概念：人工智能，機器學習，深度學習，神經網絡。這幾個詞應該是出現的最為頻繁的，但是他們有什麽區別呢？
來一張圖就比較清楚了，如下圖：

人工智能：人類通過直覺可以解決的問題，如：自然語言理解，圖像識別，語音識別等，計算機很難解決，而人工智能就是要解決這類問題。
機器學習：如果一個任務可以在任務T上，隨著經驗E的增加，效果P也隨之增加，那麽就認為這個程序可以從經驗中學習。
深度學習：其核心就是自動將簡單的特征組合成更加復雜的特征，並用這些特征解決問題。
神經網絡：最初是一個生物學的概念，一般是指大腦神經元，觸點，細胞等組成的網絡，用於產生意識，幫助生物思考和行動，後來人工智能受神經網絡的啟發，發展出了人工神經網絡。

人工智能

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

人工智能有多重要

國內外
2018年Google I/O 大會不同於以往的「多元化」呈現，AI 成為了唯一的主角，皮查伊表示 Google 旗下的 Google Assistant、Android P 和 Gmail 等都已經融入了 AI 技術。

AI 是互聯網下一幕，不只是 Google，Facebook、Amazon 和中國的 BAT、TMD（今日頭條、美團、滴滴） 和華為小米諸多大小巨頭都在戰略布局，AI 不只是可以提升現有業務價值（比如對 Google 來說可以提高廣告轉化率），也可以催生層出不窮的新業務。Google 率先將 AI 帶到互聯網行業，特別是旗下的 AlphaGo 戰勝人類棋手，更是讓全世界第一次切身感知到了 AI 的威力。

李彥宏表示，人工智能將會在未來幾十年對人類社會產生巨大的影響，帶來不可逆轉的改變，這已經成為國際社會的共識。如同倫理道德是人類文明數千年發展的重要穩定器，人工智能倫理將是未來智能社會的發展基石。
未來人工智能的發展會深刻地改變每一個行業。在各行各業都有靠技術創新來大幅度降低使用門檻，提升生產效率的機會，這個機會或在未來10到15年就會來臨。

人工智能學習階段

人工智能研究的領域主要有五層：
1、最底層是基礎設施建設，包含數據和計算能力兩部分，數據越大，人工智能的能力越強。
2、往上一層為算法，如卷積神經網絡、LSTM 序列學習、Q-Learning、深度學習等算法，都是機器學習的算法。
3、第三層為重要的技術方向和問題，如計算機視覺，語音工程，自然語言處理等。還有另外的一些類似決策系統，像 reinforcement learning（編輯註：增強學習），或像一些大數據分析的統計系統，這些都能在機器學習算法上產生。
4、第四層為具體的技術，如圖像識別、語音識別、機器翻譯等等。
5、最頂端為行業的解決方案，如人工智能在金融、醫療、互聯網、交通和遊戲等上的應用，這是我們所關心它能帶來的價值。

人工智能的應用場景主要有以下幾個方面：

在計算機視覺上，2000 年左右，人們開始用機器學習，用人工特征來做比較好的計算機視覺系統。如車牌識別、安防、人臉等技術。而深度學習則逐漸運用機器代替人工來學習特征，擴大了其應用場景，如無人車、電商等領域。

在語音技術上，2010 年後，深度學習的廣泛應用使語音識別的準確率大幅提升，像 Siri、Voice Search 和 Echo 等，可以實現不同語言間的交流，從語音中說一段話，隨之將其翻譯為另一種文字；再如智能助手，你可以對手機說一段話，它能幫助你完成一些任務。與圖像相比，自然語言更難、更復雜，不僅需要認知，還需要理解。

在自然語言處理上，目前一個比較重大的突破是機器翻譯，這大大提高了原來的機器翻譯水平，舉個例子，Google 的 Translation 系統，是人工智能的一個標桿性的事件。2010 年左右， IBM 的"Watson"系統在一檔綜藝節目上，和人類冠軍進行自然語言的問答並獲勝，代表了計算機能力的顯著提高。

在決策系統上，決策系統的發展是隨著棋類問題的解決而不斷提升，從 80 年代西洋跳棋開始，到 90 年代的國際象棋對弈，機器的勝利都標誌了科技的進步，決策系統可以在自動化、量化投資等系統上廣泛應用。

在大數據應用上，可以通過你之前看到的文章，理解你所喜歡的內容而進行更精準的推薦；分析各個股票的行情，進行量化交易；分析所有的像客戶的一些喜好而進行精準的營銷等。機器通過一系列的數據進行判別，找出最適合的一些策略而反饋給我們。

人工神經網絡

人工神經網絡(Artificial Neural Network， ANN) ，通常簡稱為神經網絡，是一種在生物神經網絡的啟示下建立的數據處理模型。神經網絡由大量的人工神經元相互連接進行計算，根據外界的信息改變自身的結構，主要通過調整神經元之間的權值米對輸入的數據進行建模，最終具備解決實際問題的能力。通常,人類自身就是一個極好的模式識別系統。人類大腦包含的神經元數量達到10^11數量級，其處理速度比當今最快的計算機還要快許多倍。如此龐大、復雜、非線性的計算系統時刻指揮著全身的獲得。當視野中出現張熟悉的人臉時，只需數百毫秒的時間即可正確識別。盡管許多昆蟲的神經系統並不發達，但仍表現出極強的識別能力。蝙蝠依靠其聲納系統搜集目標的位置、速度、目標大小等信息，最終實現聲納的回聲定位以極高的成功率捕提目標。
一般認為，生物神經並不是一開始就具備這樣的識別能力的，而是在其成長過程中通過學習逐步獲得的。人類出生後的幾年間，大腦接收了大量的環境信息，隨著經驗的積累，神經元之間的相互關系不斷變化，從而完成智能、思 維、情緒等精神活動。

在人類剛剛出生時，其種經元存儲的信息相當於一張白紙。 在環境中各種輸入信號的刺激下，神經元之間的連接關系逐漸發生了改變，最終對信號做出正確的反應。人工神經網絡模型就是模仿生物神經網絡建立起來的，但它是對生物神經網絡的抽象，並沒有也不可能完全反映大腦的功能和特點。事實上神經網絡不可能也沒有必要達到大腦的復雜度，因為生物大腦的訓練過程是生物的整個生命周期，即使建立了與之復雜度相當的網絡模型，訓練所花費的成本也會令其輸出的-切結果失去應有的價值。
在人工神經網絡中，最承要的概念莫過於神經元節點與權值。節點對應有向圖中的節點，權值表示節點間相互連接的強度，人的神經網絡的可塑性表現在，其連接權值都是可調整的，它將-系列僅具有簡單處理能力的節點遙過權值相連，當權值調整至恰當值時，就能輸出正確的結果。網絡將知識存儲在調整後的各權值中，這-點是神經網絡的精髓。

學習神經網絡軟件推薦

MATLAB是美國MathWorks公司出品的商業數學軟件，用於算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環境，主要包括MATLAB和Simulink兩大部分。
MATLAB是matrix&laboratory兩個詞的組合，意為矩陣工廠（矩陣實驗室）。是由美國mathworks公司發布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態系統的建模和仿真等諸多強大功能集成在一個易於使用的視窗環境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，並在很大程度上擺脫了傳統非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。

神經網絡與人工智能