机器学习 ⊃ 神经网络 ⊂ 深度学习更直观的层级关系是：

人工智能（AI） > 机器学习（ML） > 深度学习（DL） > 神经网络（NN）

逐层级拆解（最通俗版）

1. 人工智能（AI）：最大的圈

• 目标：让机器模仿人类智能（感知、推理、学习、决策等）
• 包含：机器学习、规则系统、专家系统、遗传算法、逻辑推理等

2. 机器学习（ML）：AI 的核心分支

• 定义：从数据中自动学习规律，不手动写死规则
• 传统机器学习（非深度学习）：
  • 逻辑回归、SVM、决策树、随机森林、K-Means、PCA 等
  • 通常需要人工提取特征（人告诉模型重点看什么）

3. 神经网络（NN）：一种特殊的机器学习模型

• 结构：模仿人脑神经元连接，由输入层、隐藏层、输出层组成
• 早期就是浅层神经网络（1~2 层隐藏层），属于传统机器学习范畴

4. 深度学习（DL）：深层的神经网络

• 定义：层数很深的神经网络（一般 ≥ 3 层隐藏层，甚至上百层）
• 特点：
  • 自动从原始数据端到端提取特征（不用人手工设计）
  • 适合图像、语音、文本、序列等高维复杂数据

最清晰的关系总结

1. 神经网络是模型结构
2. 深度学习 = 深层神经网络
3. 神经网络 & 深度学习 都属于机器学习
4. 机器学习 属于人工智能

最简记忆口诀

• 神经网络：多层神经元连接的模型
• 深度学习：很深的神经网络
• 机器学习：所有让机器从数据学习的方法总称

用一句话再浓缩

深度学习是深层神经网络，神经网络是机器学习的一种，机器学习是人工智能的核心。

层级关系总览（从大到小嵌套）

一句话关系（最关键）

• 深度学习 ⊂ 神经网络 ⊂ 机器学习 ⊂ 人工智能
• 深度学习 = 层数很深的神经网络
• 神经网络是机器学习的一种模型
• 机器学习是人工智能的主流实现方式

超简记忆版

1. AI（最大）
2. ML（AI 的核心）
3. NN（ML 里的一类模型）
4. DL（NN 的深层版本，现在最火）