我要认证
2026-05-12
人工智能、机器学习、深度学习、自然语言处理、计算机视觉……刚开始学习AI时，很多人都会被这些名词绕晕。
它们看起来都和AI有关，但到底有什么区别？又是什么关系？
人工智能，英文是Artificial Intelligence，简称AI。人工智能研究的是：如何让机器具备类似人类的感知、学习、分析和解决问题的能力。
比如：
手机可以通过人脸识别解锁；
地图软件可以规划更合适的路线；
智能客服可以理解用户的问题；
大模型可以根据要求生成文章、图片或代码。
这些看起来完全不同的功能，都属于人工智能的应用。所以，人工智能不是某一种具体技术，而是一个很大的技术领域。机器学习、深度学习、自然语言处理、计算机视觉等，都属于人工智能领域中的不同技术或研究方向。
机器学习，英文是Machine Learning，它是实现人工智能的一种重要方式。传统程序通常需要人提前告诉计算机具体规则。比如判断一封邮件是不是垃圾邮件，我们可以人工设置规则：
出现某些关键词就拦截；包含可疑链接就提醒；短时间大量发送就标记异常。
但现实中的情况非常复杂，人不可能把所有规则都提前写出来。
机器学习换了一种思路：给计算机大量数据，让它自己从数据中寻找规律。
例如，我们给模型提供很多“垃圾邮件”和“正常邮件”，机器学习算法就可以尝试分析两类邮件之间的差异，并逐渐学会判断新的邮件。
因此，机器学习最核心的特点可以理解为：从数据中学习规律。
常见的机器学习方法包括线性回归、逻辑回归、决策树、支持向量机、随机森林等。
对于初学者来说，不需要马上掌握这些算法，只需要先记住：机器学习属于人工智能，是让机器获得智能能力的一种重要方法。
深度学习，英文是Deep Learning，它又属于机器学习中的一种重要技术。深度学习主要通过多层神经网络，从大量数据中学习更加复杂的特征和规律。
比如识别一只猫。
传统方法可能需要人工告诉计算机：猫有耳朵；有胡须；眼睛是什么形状；身体轮廓是什么样。但现实中的猫有不同品种、不同颜色、不同姿势，图片的角度和光线也不一样，很难靠人工写出完整规则。
深度学习可以通过学习大量图片，逐渐发现哪些特征组合更可能代表“猫”。
因此，深度学习特别适合处理复杂的数据，例如：
图片识别；
语音识别；
文本理解；
视频分析；
内容生成。
我们常见的大语言模型和多模态大模型，其背后都与深度学习技术密切相关。
所以三者的关系可以简单记成：
人工智能 ＞ 机器学习 ＞ 深度学习
人工智能是最大的领域；机器学习是实现人工智能的重要方法之一；深度学习又是机器学习中的一种重要技术。
自然语言处理，英文是Natural Language Processing，简称NLP，它主要研究如何让计算机理解、处理和生成人类语言。
例如：
机器翻译；
智能客服；
文本分类；
关键词提取；
文章摘要；
语音转文字；
大模型问答。
我们平时和AI聊天时输入一句问题，AI需要理解这句话表达什么意思，再生成相应回答，这里面就涉及自然语言处理能力。简单来说，NLP解决的是：让机器“读懂”和“使用”人类语言。
计算机视觉，英文是Computer Vision。它主要研究如何让计算机识别和理解图片、视频等视觉信息。
例如：
人脸识别；
图片分类；
目标检测；
OCR文字识别；
医学影像分析；
自动驾驶中的车辆和道路识别。
可以把它简单理解成让机器拥有“看”的能力。
所以，如果说自然语言处理主要解决“语言”的问题，那么计算机视觉主要解决“图像和视频”的问题。随着多模态大模型的发展，这些能力也正在逐渐融合。现在的一些AI模型既可以读文字，也可以识别图片、理解语音，甚至生成图片和视频。
今天最重要的是建立一张基础的AI知识地图。可以这样记：
人工智能：最大的技术领域
下面包含很多不同的实现方式和技术方向。
机器学习：让机器从数据中学习规律
它是实现人工智能的重要方式之一。
深度学习：机器学习中的一种重要技术
擅长处理图片、语言、语音等复杂数据。
自然语言处理：让机器理解和生成人类语言
常见于翻译、客服、大模型问答等场景。
计算机视觉：让机器理解图片和视频
常见于人脸识别、OCR、目标检测等场景。
如果只记一句话，可以记住：
AI是一个大领域，机器学习是其中的重要方法，深度学习属于机器学习；NLP负责“理解语言”，计算机视觉负责“理解图像”。
问题：深度学习和人工智能是什么关系？
答案是：
深度学习属于机器学习，而机器学习属于人工智能领域，因此深度学习可以看作实现人工智能的一种技术方式。
下一期「每日AI学习」，我们继续聊一个非常重要的问题：
为什么人工智能出现了这么多年，却在最近几年突然发展得这么快？
完 谢谢观看
