工作中，需要弄清楚這三者之間的關系，不妨做個簡單的梳理
首先何為智能（Intelligence）,智能有多方面的含義，這里主要指能夠做出“正確的決策”炼邀，好的決策依賴于可實操的知識，例如翻譯感覺信息吃沪，并利用這些信息來做決策汤善。
接下來我們來定義人工智能（Artificial intelligence），在程序員的努力下票彪，計算機已經初具智能红淡，即能夠執(zhí)行對人有用的任務，但比起人和動物還有很大差距降铸，計算機依然無法完成大多數對人和動物來說很簡單的活動在旱，這些任務（包括感知和控制）就屬于人工智能的范疇。盡管人類的大腦能夠完成復雜任務推掸，但我們并不能確切知道為什么能夠完成這些任務桶蝎。執(zhí)行任務過程中涉及的知識開始是不明確的驻仅，但通過數據、例子和經驗我們就能掌握解決這些任務的信息登渣。如何讓機器具備這類智能噪服？學習過程就是通過已有的數據和經驗來建立可操作的知識，解決未知的問題胜茧。
人工智能的歷史
1943 McCulloch和Pitts: 大腦的布爾電路模型
1950 圖靈機“計算機與智能”
1952-1969 早期的對智能機器的熱情和期望“機器能夠做粘优。。呻顽”⑺常”
50年代 早期的人工智能程序，包括薩繆爾檢查程序廊遍，Newell和Simon的邏輯理論家嬉愧，Gelernter的幾何引擎
1956年 達特茅斯會議：“人工智能”被采納
1965年 Robinson提出邏輯推理的完整算法
1966-74 人工智能發(fā)現(xiàn)計算復雜的神經網絡研究幾乎消失
1969-79 知識系統(tǒng)的早期發(fā)展
1980-88 專家系統(tǒng)開始繁榮
1988-93 專家系統(tǒng)破產，人工智能的冬天到來
1985-95 神經網絡重新變得流行
1988- 概率的復活喉前；計算深度增加“中等深度的AI”：ALife没酣，GAs，軟技術
1995- Agents
1995- 支持向量機被提出被饿，機器學習被分為神經網絡和支持向量機兩派四康，此后支持向量機在多個領域替代了神經網絡，90年代到現(xiàn)在狭握，決策樹、Adaboost等機器學習算法應用在各個領域中
2003- 人類級別的人工智能重新開啟
2006-深度學習的興起
人工智能的主要領域
- 感知：理解視覺和語音
- 機器學習和神經網絡
- 機器人
- 自然語義理解
- 推理和決策：知識表征疯溺、推理论颅、決策
