人工智能、机器学习、深度学习和计算机视觉将开启世界历史上最大的技术革命。尽管关于这四种技术有诸多讨论，但这些术语经常互换使用，而没有对其定义进行过明确的界定。
为了更好地理解这几个概念之间的关系，建议从外部看看它们是如何联系的。
人工智能是计算机科学的一个分支，通过运行程序，实现机器智能化。这是一个非常宽泛的概念，涵盖了从购物中心的自动门到目前最智能的系统。从这组程序中，我们可以进一步细化这个分支。
机器学习就是为计算机制定一套规则和任务，然后让它制定一种方法来完成这些任务。本质上，开始机器是没有知识的，通过试验和错误找到合适的解决方案。机器学习的核心是神经网络。
神经网络是一种算法和数据结构，其设计旨在使机器根据一系列输入对输出数据进行分类和预测。神经网络是一种类似于大脑的结构。它由节点（脑细胞）、连接和重量组成，并根据梯度下降原理工作。网络有两种运行模式：训练和推理。在训练模式中，大量的未知数据接入输入节点，并对重量进行调整。在推理模式中，未知数据接入输入节点，并且系统建议输出。对神经网络还有很多理解，但这是一个非常宽泛的概念。神经网络通常非常复杂，需要大量的计算能力来训练。
深度学习网络使用内部神经网络。深度学习网络和神经网络体系结构有很多共同点。它们既有输入输出层，又有训练和推理模式。但在Convolution和Max Pooling这样的深度学习网络中通常存在一些新的变化，使算法运行得更快，并且允许以更大的深度进行计算。简而言之，深度学习网络可以看作是神经网络的一个网络。
计算机视觉通过传感器给机器周围的物理世界提供知识。过去，这是一个非常脆弱和复杂的任务，需要特定的量身定制的算法来分析像素。这些算法不灵活，必须在特定的情况下使用，并且对旋转和光照特别敏感。硬件GPU近期发展的速度和规模支持计算机视觉利用深度学习网络，深度学习网络有助于减轻标准计算机视觉算法所经历的问题。