我们都很熟悉“人工智能”这个词。它曾经在很多电影比如《终结者》、《黑客帝国》、《机械姬》等里面出现过。但是近几年你在有些地方看到的用词可能不是“人工智能”，而是“机器学习”或者“深度学习”。
那么，人工智能、机器学习和深度学习的区别是什么？
1956年，John McCarthy 首次提出：人工智能需要机器能够执行那些需要特定人类智慧才可以完成的事情。然而这么说非常宽泛，它包括了比如制定计划、理解语言、识别物体和声音、学习以及解决问题等。
我们可以把人工智能分为两类：广义的和狭义的。广义的人工智能会拥有所有特定的人类智慧，包括上述所提到的那些能力。狭义的人工智能展现出人类智慧的某一特定方面，并且在那方面做得特别好，但是在其他方面就表现得很欠缺。比如一个非常善于识别图像的机器，但是在别的领域几乎什么任务都无法完成，这就可以说它是一个狭义定义上的人工智能。
从它的核心而言，机器学习就是达到人工智能的一个途径。
在1959年，Arthur Samuel 把机器学习定义为“不需要特定的编程就可以自我学习的能力”。你可能不需要使用任何机器学习就可以获得一个人工智能，但是这个人工智能背后需要上百万行代码、复杂的规则和无数的决策树来做支撑。
所以，与使用硬编码的方式来让机器完成特定的任务不同的是，机器学习是一种通过训练算法来让它自己学习的方式。这里所说的“训练”是指提供给算法海量的数据让算法能够自我调节、改进。
举个例子，机器学习已经被广泛应用于计算机视觉（机器从图像或者视频中识别出物体的能力），你搜集成千上万的图片，然后对他们进行人为标记。比如说分别标记出哪些图片里面有猫，哪些里面没有。然后算法就会尝试去建造一个模型，这个模型可以像人类一样准确的标记出这个图片里是否含有一只猫。一旦到了一定的准确度，这个机器就“学会”了一只猫究竟是长什么样子的。
深度学习（Deep Learning）是众多机器学习的方法之一。其它的方法包括决策树学习、聚类、增强学习、贝叶斯网络等等。
深度学习的产生是受到了人脑的结构和功能的启发，也就是众多神经元之间的连接。人工神经网络（
Artificial Neural Network，ANN）就是模仿了生物学上的大脑设计。
在人工神经网络中，那些所谓的“神经元”拥有不同的层次，并且彼此连接到其他的神经元上。每一层都选取一个特定的特征去学习，比如识别出图像里的边和角。深度学习这个名字也是因此而来，层数越多，深度越深。
我认为，人工智能和物联网的关系就非常像人脑和身体的关系。
我们的身体获取像听觉、触觉、视觉这样的感官输入，我们的大脑获取这些数据，并让它们变得有意义——把光变成可识别的物体，把声音变成能理解的语言，时候我们的大脑做出决策。把信息反馈给身体去执行一些动作，比如说弯腰捡起一个东西，或者是说话。
组成物联网的所有传感器就像我们的身体。它们提供了来自这个世界每时每刻最原始的信息。人工智能就像我们的大脑，让那些信息变得有意义，然后决定去执行什么。另外，物联网中那些互相连接的终端设备也很像我们的身体，去执行具体的操作或者和和其他设备沟通。
人工智能和物联网互相发掘并激发着对方的价值和潜能。
近年来，机器学习和深度学习把人工智能带上了一个新的台阶。就像上述所提到的，机器学习和深度学习需要海量的数据来工作，而这些数据往往收集自物联网中无数的传感器。物联网造就了更好的人工智能。
改善了人工智能，物联网的应用也会因此受益。如此形成了一个双方互相加速促进的闭环。人工智能让互联网变得更有用。
在工业界角度，人工智能可以被用来预测机器什么时候需要维护，或者分析量产过程来创造更大的收益，节省更多的成本。
在消费者角度，不用我们去适应科技，而是让科技来适应我们。你不用去点击，去打字，去搜索，你只要简简单单地告诉机器你需要什么，比如查询一下天气，或者让屋子做好熄灯准备（关掉取暖器，锁上门，关掉所有的灯等等）。
越来越小的计算机芯片，以及越来越高的生产工艺意味着成本更低、性能更强大的传感器。
快速发展的电池技术也意味着传感器能够持续数年不需要连接到固定电源。
因智能手机的兴起而快速发展的 Wi-Fi 连接让那些数据能够用非常低廉的成本和极快的速度进行传输，能让所有的传感器把数据传送到云端。
同时，云计算的存在也意味着那些数据可以用无限的虚拟存储和无限的虚拟计算能力来进行处理分析。
当然，对于人工智能的未来应用，在社会上也有很多顾虑。但是，随着人工智能和物联网这样不断的相互促进，可以肯定的一点是：巨大的变化正在悄然发生。