机器学习、数据科学、人工智能、深度学习和统计学之间的区别是什么？(柏蓉的回答,16赞)

这个困惑很正常。

我先来讲一个人工智能简单的历史，真的很简单那种。

AI发展了半个多世纪，吸收各个领域的精髓（统计学，生物进化学，神经科学），经历两次低谷和转折，这个过程让其不断壮大成长。

在很长一段时间里，AI被“符号主义（起源于逻辑学和哲学，是一种基于逻辑推理的智能模拟方法）”统治，但在20世纪80年代，“新AI ”出现，大众称之为“机器学习”。而后来即2010年左右，出现“Simple Learning”和“深度学习Deep Learning”。

人工智能>机器学习>深度学习，是集合和子集的关系。

人工智能如大家所理解，机器具备智能。它属于一个概念。

机器学习的本质是：使用算法解析数据，让其学习并作出预测，这是人工智能的一个部分。它属于一个学科。

而深度学习则是实现机器学习的一种方法（还有概率图模型等等）。它属于一种技术。

最近几年，深度学习都很火，原因是硬件的计算能力以及研究的突破，比如2010年，ImageNet大规模视觉识别挑战赛（ILSVCR）开始举办，比赛一年一度。2012年10月：多伦多大学设计的卷积神经网络参加该，错误率只有16%，比往年25%的错误率大幅改进。

深度学习究竟深度在哪里呢？在于神经网络的层数。很早之前，研究人就借鉴人脑的神经元传递信息的方式打造人工神经网络。举个例子，首先把照片分成颜色，图形等很多信息点，然后输入第一层神经网络，第一层神经网络执行完自己的任务之后，赋予每一个信息点一定的权重，又把照片的信息输入第二层，以此类推。最后得到一个不同信息权重相加：人物照片15%，猫猫照片80%，树木5%。最后会输出这张照片有猫猫。

PS：从广泛意义上，人们认为AI的诞生是1956年。但AI概念的提出时间则是1955年8月31日，在一个持续2个月、只有10个人参加的达特茅斯夏季研讨会上。在这次研讨会上，人们对AI给出的定义是：

“尝试找到如何让机器使用语言、形成抽象和概念、解决现在人类还不能解决的问题、提升自己等等。对于当下的人工智能来说首要问题是让机器像人类一样能够表现出智能。

到这里，就剩下统计学和数据科学。

统计学就是统计学，没什么好弄不清楚？就是一门很普通的学科，我大学就是学这个。而数据科学，我的理解更多是一个职业。

人工智能里面涉及这些一点都不要感到惊讶。因为，人工智能有一个门派叫贝叶斯学派，使用概率规则及其依赖关系进行推理的一派。上面出现的概率图模型就是吸取统计学的精华。

人工智能涉及的学科真的很广泛。