---

1. 人工智能、机器学习、深度学习的关系

**人工智能（Artificial Intelligence，AI）**是研发用于模拟、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。
**机器学习（Machine Learning，ML）**是当前比较有效的一种实现人工智能的方式。
**深度学习（Deep Learning，DL）**是机器学习算法中最热门的一个分支，近些年取得了显著的进展，并替代了大多数传统机器学习算法。

---

2. 机器学习

区别于人工智能，机器学习、尤其是监督学习则有更加明确的指代。机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。

---

2.1 实现原理

机器学习的实现可以分成两步：训练和预测，类似于归纳和演绎：

• 归纳： 从具体案例中抽象一般规律，机器学习中的“训练”亦是如此。从一定数量的样本（已知模型输入 𝐱 和模型输出 𝑦 ）中，学习输出 𝑦 与输入 𝐱 的关系（可以想象成是某种表达式）。
• 演绎： 从一般规律推导出具体案例的结果，机器学习中的“预测”亦是如此。基于训练得到的 𝑦 与 𝐱 之间的关系，如出现新的输入 𝐱，计算出输出 𝑦。通常情况下，如果通过模型计算的输出和真实场景的输出一致，则说明模型是有效的。
  

---

---

2.2 如何实施

是否有更生动的表达？

---

3. 深度学习

---

神经网络核心概念

TBD.