出于学习的需要，对人工智能领悟几个很重要的概念(人工智能、数据挖掘、模式识别、机器学习、深度学习)做了简单的总结。不一定很全，只是总结了几者主要的区别。
人工智能是相对于人大脑智能以外，机器展示出来的智能，是一个模糊抽象的概念。和机器人领域结合比其他概念要更直接些。以下是wiki上的解释
所以说，AI其实机器智能的最终目标。
数据挖掘：
强调在在海量数据（大数据）里发现知识，并试图描述数据内在的逻辑。具体方法不一定依托于机器学习，而只是依托于规则，来寻找数据的内在逻辑。只是数据挖掘用到机器学习方法时候，会产生1+1>2的效应。换句话说，数据挖掘方法可以是自动化或者非自动，而自动化方法可以借鉴机器学习方法，而非自动化则需要专门设定规则。
模式识别:
70年代至80年代提出，强调的是如何让一个计算机程序去做一些看起来很“智能”的事情，例如区分“3”和“B”或者“3”和“8”，很多时候需要专门手工设计一些分类规则，如滤波，边缘检测和形态学处理等技术。（智能程序的诞生）
机器学习：
90年代初提出，强调的是，在给计算机程序（或者机器）输入一些数据后，他必须学习这些数据，而这个学习的步骤是明确的，学习结果是对已有数据的分类和一个预测模型，预测模型可用于对未知数据的预测。（从样本中学习的智能程序，data-driven）
典型机器学习的流程图
深度学习：
21世纪很热门，强调的是你使用的模型（例如深度卷积多层神经网络），模型中的参数可以从数据中学习获得。（一统江湖的框架）
卷积神经网络框架
参考资料
整理：深度学习 vs 机器学习 vs 模式识别
/article/-03-24/2824301
大数据与深度学习区别？
/question/31814850
WIKI-artificial intelligence
/wiki/Artificial_intelligence
