一,AI
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是電腦科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。人工智慧可以對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。
二,機器學習
機器學習通過演算法,使用歷史資料進行訓練,訓練完成之後會產生模型.當有新的資料提供時,使用訓練產生的模型進行預測.機器學習用的資料是由Feature和label組成的.

三,表示學習
表示學習是學習一個特徵的技術的集合：將原始資料轉換成為能夠被機器學習來有效開發的一種形式。它避免了手動提取特徵的麻煩，允許計算機學習使用特徵的同時，也學習如何提取特徵：學習如何學習。機器學習任務，例如分類問題，通常都要求輸入在數學上或者在計算上都非常便於處理，在這樣的前提下，特徵學習就應運而生了。然而，在我們現實世界中的資料例如圖片，視訊，以及感測器的測量值都非常的複雜，冗餘並且多變。那麼，如何有效的提取出特徵並且將其表達出來就顯得非常重要。傳統的手動提取特徵需要大量的人力並且依賴於非常專業的知識。同時，還不便於推廣。這就要求特徵學習技術的整體設計非常有效，自動化，並且易於推廣。表示學習中最關鍵的問題是：如何評價一個表示比另一個表示更好？表示的選擇通常通常取決於隨後的學習任務，即一個好的表示應該使隨後的任務的學習變得更容易。
一言以蔽之:不用人工構建特徵
四,深度學習
深度學習就是表示學習最好的體現,深度學習就是用來解決人工構建特徵麻煩而且不準確的問題.優點是機器自己會構建特徵,缺點是看不出來是那種因素對結果影響較大.