機器學習和深度學習都是人工智能術語。
機器學習指的是，不需要編程就可以使機器可以模仿人類動作的科學。深度學習屬于機器學習的分支。
很多時候，人們容易把機器學習和深度學習弄混淆。但實際上，機器學習和深度學習均是人工智能的組成部分。
機器學習利用算法分析數據，并從中學習，然后利用這些數據對特定的事情來做一些預測。機器通過大量數據訓練，從而可以執行某個特定的任務。機器學習算法允許機器在沒有大量編程的情況下執行任務。
機器學習是一門技術，它賦予機器一種能力，可以從經驗中學習并自發地提升自己。在機器學習中，系統里輸入數據，機器從信息中學習，并在無人工干預的情況下，利用所學習到的東西來執行任務。
舉個例子：
你希望通過機器學習算法從圖像和視頻中來識別物體。那么，你需要大量的圖片素材和視頻素材，并且由人工給其做好標簽。比如說，圖片中“有車”和圖片中“沒有車”，這兩種標簽。
機器嘗試著建立一種算法，可以基于標簽來辨別包含汽車和不包含汽車的圖片。一旦準確率變高了，我們就說機器是可以學習的。
同樣，如果你給照片里的朋友打上標簽，那么機器就會根據關鍵特征或者是標簽來識別他們。
有很長一段時間，計算機視覺是機器學習的最佳應用之一。但是計算機視覺需要大量的手工編碼。程序員需要手動編寫代碼以識別邊緣檢測過濾器，從而得知運行對象的開始和結束。對于機器來說，識別對象是需要時間的。
隨著時間的流逝，算法的提升，這個場景已經有所改變了。
深度學習，是機器學習的一種途徑，它試圖模仿人類大腦利用神經元工作。人工神經網絡（ANN）由算法的分層結構組成。每一個特性由一個結點表示。
深度學習深受大腦工作模式啟發，尤其是神經元互連性的影響。這也就是為什么深度學習更勝于一般機器學習模型的原因。
人工神經網絡具有多個層級，每個層級可識別對象的一個獨特特性。每個層級會選擇一個特定的特性去學習，并學習使用它來識別對象。
本文翻譯于Quora回答（節選部分）。
