人工智能定義：努力將通常由人類完成的智力任務自動化。人工智能是一個綜合性的領域，不僅包括機器學習與深度學習，還包括更多不涉及學習的方法。
機器學習：給定包含預期結果的示例，機器學習將會發現執行一項數據處理任務的規則。
機器學習的技術定義：在預先定義好的可能性空間中，利用反饋信號的指引來尋找輸入數據的有用表示。
機器學習三要素：
1. 輸入數據點。例如，你的任務是語音識別，這些數據點可能是記錄人們說話的聲音文件；如果你的任務是爲圖像添加標籤，那麼這些數據點可能是圖像。
2. 預期輸出示例。對於語音識別任務來說，這些示例可能是人們根據聲音文件整理生成的文本。
3. 衡量算法效果的方法。衡量方法是爲了計算算法的當前輸出與預期輸出的差距。衡量結果作爲反饋信號，用於調節算法的工作方式。
機器學習和深度學習的核心問題：有意義的變換數據，換句話說就是在於學習數據的有用表示。
機器學習的學習指的是：尋找更好數據表示的自動搜索過程。所有的機器學習算法都在自動尋找一種變換，這種變換將數據轉化爲更加有用的表示。
在介紹深度學習之前先介紹一下什麼叫做表示？？？
以一種不同的方式來查看數據，即表徵數據或將數據進行編碼。例如：彩色圖像可以編碼爲RGB格式或HSV格式，這是對相同數據的兩種不同的表示。
深度學習
深度學習是機器學習的一個分支領域，強調從連續的層中進行學習。深度學習中的“深度”指的是數據模型中包含的層數。
深度學習已經取得的進展：
- 接近人類水平的圖像分類
- 接近人類水平的語音識別
- 接近人類水平的手寫文字轉錄
- 更好的機器翻譯
- 更好的文本到語言轉換
- 能夠更好的回答用自然語言提出的問題