深度学习是机器学习的一个子集，而机器学习是人工智能的一个子集。这些新兴技术中的每一项都在几乎所有领域重塑IT行业的格局。
从计算机时代开始之前，科学家就被可能创造出像人类一样的机器的想法所吸引。但在过去十年中，技术进步才能使某些形式的人工智能（AI）成为现实。
随着人工智能用例数量的激增，人们对人工智能应用的兴趣也急剧上升。许多调查发现，90%以上的企业或者已经在运营中使用人工智能，或者计划在不久的将来使用人工智能。
人工智能初创公司渴望利用这一趋势，都急于将人工智能功能推向市场。在销售大数据分析和数据科学工具的供应商中，两种类型的人工智能变得特别受欢迎：机器学习和深度学习。
虽然许多解决方案都带有“人工智能”、“机器学习”和/或“深度学习”标签，但这些术语的真正含义的混淆仍然存在于市场中。下图提供了这些不同技术之间关系的直观表示：
如图所示，机器学习是人工智能的一个子集。换句话说，所有的机器学习都是人工智能，但并非所有人工智能都是机器学习。
同样，深度学习是机器学习的一个子集。同样，所有深度学习都是机器学习，但并非所有机器学习都是深度学习。
人工智能、机器学习和深度学习都是相互关联的，深度学习嵌套在机器学习中，而机器学习又是人工智能更大学科的一部分。
人工智能“包含”机器学习和深度学习
计算机擅长数学和逻辑推理，但他们很难掌握人类可以很自然地完成的其他任务。例如，人类婴儿只有几个月大时就学会识别和命名物体，但直到最近，机器才能识别图片中的物体。虽然任何一个蹒跚学步的孩子都能很容易地分辨猫和狗，但电脑实施这项任务要困难得多。事实上，验证码服务有时会使用这种类型的问题来确保特定用户是人类而不是机器人。
在20世纪50年代，科学家们开始讨论如何让机器像人类一样“思考”。 1956年，约翰·麦卡锡组织了一次关于这一主题的会议，“人工智能”这一术语进入了词典。那些参加的专家呼吁更多地研究“关于学习的每一个方面或智力的任何其他特征原则上都可以被如此精确地描述，以至于可以制造一台机器来模拟它的猜想。”
这些早期研究人员中的一些人认为，他们解决这些问题只需要几年时间。然而实际上，计算机硬件和软件花费了几十年才能达到可以实现图像识别、自然语言处理和机器学习等人工智能应用的程度。
批评者指出，人工智能系统与计算机之间存在着很大的区别，前者能够分辨猫和狗之间的区别，并与人类一样具有真正的智能。大多数研究人员认为，人们离创造一种人工通用智能（也叫强人工智能）还有几年甚至几十年的时间，这种人工智能似乎和人类一样有意识，如果可能创造出这样一个系统的话。
如果人工智能的进步有一天会成为现实，那么机器学习似乎肯定会在系统的能力中发挥重要作用。
机器学习：人工智能的关键驱动因素
正如第一次人工智能会议的与会者所说的那样，机器学习是人工智能的一个特殊分支，它与计算机“自我提高”有关。另一位20世纪50年代的计算机科学家Arthur Samuel将机器学习定义为“在没有明确编程的情况下学习的能力”。
在传统的计算机编程中，开发人员通过计算机实施确切的操作，给定一组输入，系统将返回一组输出，就像人类程序员告诉它一样。
机器学习是不同的，因为没有人告诉机器究竟该做什么。相反，他们提供机器数据并允许它自己学习。