1. 人工智能與機器學習
一個常常讓大衆感到困惑的問題是：人工智能（AI），機器學習（ML），深度學習（DL），機器視覺（CV）以及自然語言處理（NLP）之間是什麼關係？
從科普角度粗略地說，人工智能涵蓋了其他所有概念[圖1]，而機器學習是人工智能的一個子方向，而深度學習又是機器學習中的一類方法。至於機器視覺與自然語言處理，它們是人工智能領域的兩個具體應用，而且往往會用到深度學習。
圖1. 人工智能與相關概念間的關係
2. 什麼是機器學習？
越是簡單的概念其實越難解釋。比如有人提到機器學習問題事實上是一個「優化問題」，有人認爲是機器學習是一個「編程概念」，也有人認爲現階段的機器學習是「統計推斷」。
從不同的角度看，這些說法都有道理。我個人比較喜歡Tom Mitchell對於「學習任務」的定義[1]：
每個機器學習都可以被精準地定義爲：1) 任務T；2) 訓練過程E；3) 模型表現P。而學習過程則可以被拆解爲「爲了實現任務T」，我們「通過訓練過程E」，逐步「提高表現P」的一個過程。
比如我們想要做一個模型來判斷一張圖片是貓還是狗（任務T）。爲了提高模型的準確度（模型表現P），我們不斷給模型提供圖片讓其學習貓與狗的區別（訓練過程E）。在這個學習過程中，我們所得到的最終模型就是機器學習的產物，而訓練過程就是學習過程。「機器學習」和「人類學習」是可以做類比的。套用剛纔的公式：爲了在高考中得到高分（任務T），小王每天做10套模擬題（訓練E），並不斷參加模考檢測自己的錯誤率（評估P）。
但除了相似性以外，機器與人