人工智能、机器学习、深度学习
三者关系：深度学习 ⊂ 机器学习 ⊂ 人工智能
人工智能（AI）
广义上指让机器模拟人类智能行为的技术和系统，如感知、推理、学习、规划、语言理解、决策等。
AI 包括多种方法：规则系统（专家系统）、搜索算法、逻辑推理、进化算法、模糊逻辑，以及机器学习等。
机器学习（ML）
是实现人工智能的一种主流方法。
核心思想：让计算机从数据中自动“学习”规律，而不是通过显式编程规则。
常见类型：监督学习、无监督学习、强化学习等。
典型算法：线性回归、决策树、支持向量机（SVM）、K近邻（KNN）等。
深度学习（DL）
是机器学习的一个子领域，基于人工神经网络（尤其是深层神经网络）。
特点：能自动从原始数据中提取多层次的特征表示，适合处理高维、非结构化数据（如图像、语音、文本）。
典型模型：卷积神经网络（CNN）、循环神经网络（RNN）、Transformer 等。
