1. 什么是人工智能（AI）？
·MIT的约翰·麦卡锡在1956年的达特茅斯会议上提出：
人工智能是让机器的行为看起来像人所表现出的智能行为一样（即 为机器赋予人的智能）。
·人工智能的先驱们希望机器具有人类似的能力：
感知、语言、思考、学习、行动 等。
·随着机器学习的发展，人们发现机器具有一定的感知（图像识别）和学习等方面的能力，很容易认为目前已经达到了人工智能发展过程中的奇点，
（奇点：人工智能的智慧超越人类智慧的那个时刻，被人们称为奇点，或者叫科技奇点
实际上，人工智能包括 计算智能、感知智能 和 认知智能 等层次，目前人工智能还介于前两者之间。
2. 什么是机器学习？
·机器学习，是人工智能的一个分支，作为人工智能的核心技术和实现手段，通过机器学习的方法解决人工智能面对的问题。
·机器学习，是通过一些让计算机可以自动“学习”的算法，从数据中分析获得规律，然后利用规律对新样本进行预测。
·深度学习，是横跨机器学习和人工智能的一个典型例子。
·深度学习的典型应用：选择数据训练模型，然后利用模型做出预测。
例如：
博弈游戏系统（Deep Blue）重于探索和优化未来的解空间（Solution Space），
而深度学习则是在博弈游戏算法（例如Alpha GO）的开发上付诸努力，取得了世人瞩目的成就。
3. 什么是数据挖掘？
·数据挖掘，即 使用 机器学习、统计学 和 数据库 等方法在相对大量的数据集中发现模式和知识(的过程)。
·它涉及 数据预处理、模型与推断、可视化 等。
·它包括以下几类常见任务：
1.异常检测
2.关联分析
3.聚类
4.分类
5.回归
4. 机器学习、人工智能与数据挖掘的关系
·下面以自动驾驶汽车研发为例，说明机器学习和人工智能的关系。
要实现自动驾驶，需要对交通标志进行识别。
首先，应用机器学习算法对交通标志进行学习，数据集中包括数百万张交通标志图片，使用卷积神经网络进行训练并生成模型。
然后，自动驾驶系统使用摄像头识别停车标志，让模型实时预测交通标志，并不断进行验证、测试和调优模型，最终达到较高的识别精度。
当其汽车识别出交通标志时，针对不同的标志进行不同的操作就属于人工智能的范围了。例如，遇到停车标志时，自动驾驶系统需要综合车速和车距来决定何时刹车，
过早或或过晚都会危机行车安全。除此之外，人工智能技术还需要应用控制理论处理不同的道路状况下刹车策略，通过综合这些机器学习模型产生自动化的行为。
·数据挖掘和人工智能也是有区别的。
例如，通过分析企业的经营数据，发现某一类客户在消费行为上与其他用户存在明显区别，并通过可视化图表现实，这是数据挖掘的工作，
它输出的是某种结论，并没有产生实际改变业务决策的行为。企业决策人员可根据这种结论人为改变经营策略，
而人工智能是用机器自动决策来代替人工行为，从而实现机器智能。
数据挖掘是从大量的业务数据中挖掘隐藏的、有用的、正确的知识，促进决策的执行。
数据挖掘的很多算法都来自机器学习和统计学，
其中统计学更关注理论研究而忽视实际应用，机器学习在其基础上进一步研究形成机器学习算法，并在实际应用中进行优化，实现数据挖掘目标。
机器学习近年来也逐渐跳出实验室，从实际的数据中学习模式，解决实际问题。
数据挖掘和机器学习的交集越来越大，成为数据挖掘的重要支撑技术。
·从本质上看：
1.数据科学的目标：是理解事物；
2.机器学习的主要任务：是基于算法进行预测；
3.人工智能的目的：是形成具体的行为。
·人工智能与人类智能相比较，二者实现的原理并不相同，（特别是人脑对于信息的存储和加工过程尚未被研究清楚，与目前主流的深度学习理论存在较大的基础差异）
因此，目前人工智能所处的阶段还在“弱人工智能（Narrow AI）阶段，距离”强人工智能（General AI）阶段还有较长的路要走。
例如：目前人类对于知识的获取和推理并不需要大量的数据进行反复迭代学习，只需要看一眼自行车的照片就能大致区分出各式各样的自行车。
因此，要达到强人工智能的阶段可能要在计算机基础理论方面进行创新，实现类人脑的结构设计。