这其实可以从应用角度来看。
当前越来越多的行业寻求智能化，智能化的一个方法就是通过图像处理，再高一层就是人工智能来模拟人的思维方式和行为方式，从而解决以往必须需要人参与才能解决的问题。注意，这有别人机械化，机械化是有固定的执行路线的。
应用的需求驱动着技术的进步，当然硬件的提升也促进了图像处理，人工智能技术的发展。因此，技术的发展一般依赖于需求的发展。

如何区分AI？

什么是AI

第一步是传达人工智能，机器学习（ML）和深度学习的定义。有人认为AI，ML和深度学习都是各自的技术。我认为AI / ML /深度学习是建立在通用平台上的计算机自动化和分析的连续阶段。

在这个平台的第一层坐着AI，它可以分析数据并快速向用户提供分析结果。机器学习位于AI的二级应用程序上，不仅可以分析原始数据，还可以查找数据中可以产生更多结果的模式。深度学习是分析数据和数据模式的第三层应用程序，它更进一步。计算机还使用由数据科学家开发的高级算法，这些算法可以提出更多关于数据的问题，并能够产生更多的见解。

逐步实践

展示这些日益复杂的分析的不同层次的最佳方式是找到一个可以向业务决策者展示好处的商业示例。

我们来看一下交通规划的样本。

第一层：AI

开发了一个AI应用程序，可以告诉交通工程师和规划人员主要交通拥堵点位于城市的哪个位置。这有助于他们规划道路维修，停车灯和其他基础设施，希望能够缓解某些地区的拥堵。

第二层：机器学习

可以进一步开发AI /分析，以便可以查找数据中的模式。例如，它注意到某些交叉路口的交通在早上6点到早上8点之间最为拥挤，或者交通在晚上排队，在体育赛事之前排队。

对情况的了解为规划人员和工程师提供了更多洞察力，因为现在他们不仅可以计划交通堵塞，还可以计划未来的活动，如音乐会和曲棍球比赛。

第3层：深度学习

深度学习是指数据分析超越原始数据和数据模式的地方。深度学习增加了数据科学家开发的特定算法，以进一步扩展从数据中获得的查询和见解。

可以添加到流量分析中的算法可能包括：未来十年，该城市的哪些区域将出现最大的人口增长？或者，未来五年哪些道路需要大修？或者，天气预报是否说未来五年我们会有更多或更少的降雪？通过在模式和数据分析之上添加这些算法，用户可以更全面地了解他们正在尝试采取行动和评估的情况。

AI路线图

能够打破人工智能，机器学习和深度学习之间的差异非常重要，因为它不仅显示了管理人工智能自动化的不同层级和功能，还显示了可以从中获得的业务洞察力水平的提高。通过将这些不同的AI层可视化为企业和IT战略路线图，组织可以在IT和业务目标中衡量切实的结果。

例如，一个城市可以说，明年它将全面了解其道路系统以及交通拥堵所在的位置。在第二年，该城市将能够预测高峰时段和特殊事件交通的交通拥堵，并能够主动通知旅客使用备用路线。在第三年，通过评估人口（和交通）增长，基础设施维修停工以及气候变化等因素的影响，该市将能够制定未来计划。

AI路线图将通过列出每年需要的人工智能技术（和投资）类型来反映这些战略，以支持业务战略。