机器学习是一种实现人工智能的方法

机器学习技术，这是一门多领域的交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。和传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。这个技术是人工智能的核心，人工智能需要通过机器学习，才能真正具有智能，机器学习是一种实现人工智能的方法。

    深度学习是一种实现机器学习的技术。其本身也会用到有监督和无监督的学习方法来训练深度神经网络。和机器学习不同的是，它所用来学习的层数和神经元非常的多，然后给系统输入海量的数据，来训练网络。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

    深度学习乍一听好像概念很新颖，其实它已经存在好几年了。随着人工技术的发展需要，深度的学习越来越被大家放到重要的层面上。

    那二者的区别在哪里呢？深度学习与传统的机器学习最主要的区别在于它会随着数据规模的增加其性能也不断增长。传统的机器学习可以在使用既定规则下运行，即使数据较少，也能够有比较好的性能。但深度学习却不能，深度学习需要大量的数据来理解它，随着数据量的增加，深度学习的性能也可以不断的提升。

    机器学习技术和深度学习技术其实并不难理解，二者的核心都是数据、算法(模型函数)和算力(计算机运算能力)，都是通过对数据的学习训练，为人工智能的发展服务。人工智能所演绎出来的新技术离不开机器学习和深度学习的幕后辅助，我们在惊奇于深度伪造技术的逼真时，就可以想见这是幕后无数大数据的支撑。

    人工智能的发展正热，离不开各种技术的支撑，在各技术完善的同时，人工智能也将会带给我们更多的惊喜。