何為人工智慧？資料科學？深度學習？高階演算法？資料探勘？神經網路？數學問題？資料分析……其實這些問題都太專業化了。我們能不能用一張簡圖勾勒出人工智慧的範疇？答案是肯定的。

首先我們可以將目光聚焦於下圖的中間——人工智慧，我們將它的能力延伸通過橫縱兩個軸進行輻射。

向上：代表人的腦力，對應的行業術語叫做神經網路（機器學習跟恰當）
向下：代表人的體力，對應的行業術語叫做“機器人”
向左：可以代替人，對應的行業術語叫做“智慧化”
向右：可以輔助人，對應的行業資料叫做“增強化”

然後我們對這兩個軸構成的四個象限加以清晰的說明。

1. 智慧化和神經網路這個區域

   ：AI的典型能力主要包括模式識別、影象音訊等理解處理能力，全部都屬於機器學習的識別範疇；具體涉及到：文字識別、影象識別、語音識別、自然語言處理、智慧聲音合成等應用。

2. 增強化和神經網路這個區域：主要包括統計分析和處理、資料探勘、深度學習等大資料的相關能力全部屬於這個範疇；具體涉及到：智慧商業應用、個人智慧助手、智慧合約等應用。

3. 智慧化和機器人這個區域：主要是將識別能力與智慧硬體緊密結合，體感技術與人機互動打造產業級應用；具體涉及到：智慧製造、動力裝置、服務機器人、自動駕駛和無人機等應用。

4. 增強化和機器人這個區域：主要運用生物技術、體感識別、人機互動等新型理念，將成為未來個體的主流；具體涉及到：可穿戴裝置、AR/VR、智慧家居等應用。

機器學習涵蓋了這四個象限，可以說，機器學習就是人工智慧的大腦。機器學習大致粗略的分為六類：統計學習、資料探勘、模式識別、計算機視覺、語音識別、自然語言處理等等。

統計學習：統計學習屬於機器學習中最為基礎的能力，它主要從一些觀測（訓練）樣本為出發點，對樣本資料進行分析得到的規律，從而對未來進行預測。

資料探勘：資料探勘一般是指從大量的資料中通過演算法搜尋隱藏於其中資訊的過程，資料探勘應用數不勝數，它也屬於機器學習的基礎能力。

模式識別：模式識別是通過計算機，用決策理論方法（數學技術）研究模式的自動處理和判讀。比如人在說話的過程中要強調語境，同樣是阿拉伯數字“5”，在不同的語境下，“5”背後含義不盡相同。而這種理解如果需要計算機識別，那就叫做模式識別，模式識別是機器學習的高階能力，也是人工智慧的主要攻克方向。

計算機視覺：計算機視覺是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量，並進一步做圖形處理。

語音識別：語音識別技術就是讓機器通過識別和理解過程把語音訊號轉變為相應的文字或命令的高技術。

自然語言處理：自然語言處理是一門融語言學、電腦科學、數學為一體的科學。該領域主要涉及人們日常使用的語言。

參考：https://baijiahao.baidu.com/s?id=1598014522399436536&wfr=spider&for=pc