人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 现在社会，信息量太大了，光靠人类，已经无法驾驭这些东西了，但是计算机本身只会按照死命令去分析数据，而无法真正自主的去分析而给出人类想要的结论。 所以人们想要研究人工智能，更好的去帮助人类完成工作。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 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。 同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。

神经网络，这是学习算法中的一种模型，是模拟中央神经系统的一种数学模型，可以用于进行模式识别和机器学习。它号称结合了多学科，模拟了人的神经过程，是很好的一种学习方法。 神经元网络是由大量类似于神经元的处理单元相互连结而成的非线性复杂网络系统，它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经元网络处理、记忆信息的方式，完成人脑那样的信息处理功能，是非线性的并行结构。神经元网络的运行方式有前馈式网络和反馈式网络值得注意的是，目前的人工神经元网络和真正的人脑工作方式还是有着较大的区别。 关于人脑的运作原理目前学界仍存在着很大的盲点。所以目前的人工神经元网络只是简单的通过多台计算机组成阵列来模拟每一个神经元节点，通过数学函数的计算来分配每一台计算机的权重以达到并行计算的效果，从而大大增强计算机系统的处理能力。