除了 AI 之外，还有其他几个密切相关的主题，至少可以通过名称来了解。这些应用包括机器学习、数据科学和深度学习。
机器学习可以说是 AI 的一个子领域，而 AI 本身就是计算机科学的一个子领域（这样的类别通常有些不精确，机器学习的某些部分可能同样或更好地属于统计学）。机器学习支持自适应 AI 解决方案。可以给出一个简洁的定义如下：
Machine learning 机器学习
Systems that improve their performance in a given task with more and more experience or data.
使用越来越多的经验或数据提高其在给定任务中的性能的系统。
深度学习是机器学习的一个子领域，它本身就是 AI 的一个子领域，而 AI 本身又是计算机科学的一个子领域。
我们将在第 5 章中更详细地介绍深度学习，但现在让我们只注意，深度学习的**"深度"是指数学模型的复杂性**，而现代计算机计算能力的提高使研究人员能够提高这种复杂性，以达到不仅在数量上而且在质量上都与以前不同的水平。正如你所注意到的，科学通常涉及许多逐渐更特殊的子领域、子领域的子领域，等等。这使研究人员能够放大特定主题，以便能够赶上多年来积累的不断增长的知识，并产生有关该主题的新知识------或者有时，纠正早期知识以使其更准确。
数据科学是最近的一个总称（涵盖多个子学科的术语），包括机器学习和统计学、计算机科学的某些方面，包括算法、数据存储和 Web 应用程序开发。数据科学也是一门实践学科，需要了解它所应用的领域，例如商业或科学：其目的（"附加值"的含义）、基本假设和约束。数据科学解决方案通常至少涉及一点 AI（但通常没有人们对头条新闻的预期那么多）。
机器人技术意味着构建和编程机器人，以便它们能够在复杂的真实场景中运行。在某种程度上，机器人技术是 AI 的终极挑战，因为它需要结合几乎所有 AI 领域。例如：
- 用于感知环境的计算机视觉和语音识别
- 自然语言处理、信息检索和在不确定性下对处理指令进行推理，并预测潜在的后果
- 认知建模和情感计算（响应人类情感表达或模仿情感的系统），用于与人类互动和协同工作
许多与机器人相关的 AI 问题最好通过机器学习来解决，这使得机器学习成为机器人 AI 的核心分支。
1. 什么是机器人？
简而言之，机器人是一种由传感器（感知环境）和执行器（作用于环境）组成的机器，可以通过编程来执行一系列动作。习惯了科幻小说中机器人描述的人通常会想到人形机器，走路步态笨拙，说话时声音单调。目前使用的大多数现实世界机器人看起来都非常不同，因为它们是根据应用设计的。大多数应用不会从具有人形的机器人中受益，就像我们没有人形机器人来洗碗，而是用机器通过水射流放置要清洗的盘子一样。
乍一看可能并不明显，但任何至少具有一定程度的自主性并包含传感器和执行器的车辆也被算作机器人。另一方面，基于软件的解决方案，例如客户服务聊天机器人，即使它们有时被称为"软件机器人"，也不算作（真正的）（物理｜机械｜传感器）机器人技术。
2. AI 分类
分类法是一种方案，用于对许多可能彼此特殊情况的事物进行分类。我们已经解释了许多学科或领域之间的关系，并指出，例如，机器学习通常被认为是 AI 的一个子领域。
可视化分类的一种便捷方法是 Euler 图。欧拉图（与更熟悉的维恩图密切相关）由对应于概念的形状组成，这些概念经过组织，使形状之间的重叠对应于概念之间的重叠（例如，参见维基百科：欧拉图 ）。
请注意，分类不需要严格分层。一个学科可以是多个更通用主题的子领域：例如，机器学习也可以被认为是统计学的一个子领域。在这种情况下，子字段概念将被放置在更一般的主题之间的重叠中。