人工智能定义：努力将通常由人类完成的智力任务自动化。人工智能是一个综合性的领域，不仅包括机器学习与深度学习，还包括更多不涉及学习的方法。
机器学习：给定包含预期结果的示例，机器学习将会发现执行一项数据处理任务的规则。
机器学习的技术定义：在预先定义好的可能性空间中，利用反馈信号的指引来寻找输入数据的有用表示。
机器学习三要素：
1. 输入数据点。例如，你的任务是语音识别，这些数据点可能是记录人们说话的声音文件；如果你的任务是为图像添加标签，那么这些数据点可能是图像。
2. 预期输出示例。对于语音识别任务来说，这些示例可能是人们根据声音文件整理生成的文本。
3. 衡量算法效果的方法。衡量方法是为了计算算法的当前输出与预期输出的差距。衡量结果作为反馈信号，用于调节算法的工作方式。
机器学习和深度学习的核心问题：有意义的变换数据，换句话说就是在于学习数据的有用表示。
机器学习的学习指的是：寻找更好数据表示的自动搜索过程。所有的机器学习算法都在自动寻找一种变换，这种变换将数据转化为更加有用的表示。
在介绍深度学习之前先介绍一下什么叫做表示？？？
以一种不同的方式来查看数据，即表征数据或将数据进行编码。例如：彩色图像可以编码为RGB格式或HSV格式，这是对相同数据的两种不同的表示。
深度学习
深度学习是机器学习的一个分支领域，强调从连续的层中进行学习。深度学习中的“深度”指的是数据模型中包含的层数。
深度学习已经取得的进展：
- 接近人类水平的图像分类
- 接近人类水平的语音识别
- 接近人类水平的手写文字转录
- 更好的机器翻译
- 更好的文本到语言转换
- 能够更好的回答用自然语言提出的问题