人工智能主要解決的問題有自然語言理解、圖像識別、語音識別等等。
機器學習可以定義爲：如果一個程序（算法）可以在任務T上，隨着經驗E 的增加，效果P也隨之增加，那麼稱這個程序可以從經驗中學習。很多傳統的機器學習算法有一個共同的問題，就是無法從數據中學習到更好的特徵表達。
機器學習的研究者們通常會爲不同的任務設計不同的算法，直到今天，學術機構的機器學習領域也被分爲自然語言處理，計算機視覺和語言識別等不同的實驗室。
深度學習是機器學習的一個分支，它可以學習特徵和任務之間的關聯，還能自動地從簡單特徵中提取更加複雜的特徵。深度學習領域主要關注如何搭建智能的計算機系統，解決人工智能中遇到的問題。
深度學習的通用性，使得研究者往往可以跨越多個研究方向，甚至同時活躍與所有的研究方向。
總之，人工智能是一個廣泛的問題，機器學習是解決這類問題的重要手段，深度學習則是機器學習的分支。在很多人工智能的問題上，深度學習的方法推動了人工智能領域的發展。