目前机器学习算法在所有人工智能算法里面一骑绝尘，所以目前当人们说人工智能时，往往是在说机器学习。

在维基百科里，Al(人工智能)的页面引用了一个学术届对AI的定义：

Any system that perceives its environmentand takes actions that maximize its chanceof achieving its goals.任何能够感知其环境并采取行动以最大限度地实现其目标的系统。

但其实对Al的理解并不需要这么复杂，我们如果简单的把Al理解成用机器来实现人类的智慧或者决策也并没有什么问题。比如著名A I， 国际象棋深蓝、Alpha Go， 它就是能实现人下棋的决策。换句话说，它能感知当前棋局，来最大限度采取下棋的行动，实现它获胜这个目标。

深蓝算法的核心是基于暴力穷举：生成所有可能的走法，然后执行尽可能深的搜索，并不断对局面进行评估，尝试找出最佳走法。深蓝的象棋芯片包含三个主要的组件：走棋模块(Move Generator) ， 评估模块(Evaluation Function) ， 以及搜索控制器°(Search Controller) 。各个组件的设计都服务于"优化搜索速度"这一目标。

(1)在训练的第一阶段， Alpha Go仅仅根据彼此无关的盘面信息模仿专家棋手的走法。通过3000万个盘面数据°训练一个13层的监督式策略网络，这个神经网络°随后就能以超过50%的精度预测人类专家的落子。

值得注意的是， 在这一阶段， Alpha Go对于围棋规则一无所知，只是毫无目的地模仿而已。尽管如此，由于违反规则的走法(例如"自杀")专家棋手不会走出，所以Alpha Go也相当于学会了遵守围棋规则。

(2) 在训练的第二阶段， Alpha Go开始与自己下棋：将过往训练迭代中的策略网络与当前的策略网络对弈，并将对弈过程用于自我强化训练。在这一阶段，引入了唯一的围棋规则：对获胜的棋局加以奖励。经过这一阶段的训练， Alpha Go已经超过所有围棋软件，对弈当时最强的开源围棋软件Pachi可以达到85%胜率。

(3) 在训练的第三阶段， Alpha Go在自我对弈中，从不同棋局中采样不同位置生成3000万个新的训练数据，用以训练局面评估函数经过三阶段训练的策略网络被混和进卡洛树搜索算法，从而在比赛进行过程中预测棋局未来可能的发展方式、并对各种可能的未来局面进行评估。

人工智能中有很多算法，比如机器学习，比如搜索，比如概率推理。深蓝就是搜索算法。

而近些年来随着机器学习算法的效果越来越好，它逐渐成为人们实现人工智能的主流算法。但是这并不意味着其他人工智能算法就退出了历史舞台。比如近十年最著名的Al，Alpha Go， 它的一个核心算法依然是搜索， 蒙特卡洛树搜索算法MonteCarlo tree search(MCTS) 。

再来说深度学习学习。机器学习算法是一个统称，它又包含很多算法，比如深度学习，决策树随机森林°，逻辑回归等等。12/13年以来，深度学习逐渐成为了机器学习算法中效果最好的算法，所以当人们想用机器学习来解决问题时，深度学习便成了默认的一个主要选择。

希望以上分享对你有所帮助!