• AI：一个超级笼统的术语，意味着所有的东西......同时什么也没有。这一切都是为了建造智能机器，尽管它的意义还没有完全发展。它根本没有以严格的方式使用。事实上，科学家更喜欢使用更多的技术术语，就像你列出的其他术语一样。

• ML：它是一种处理数据的方法，它完全基于构建模型，这些模型可以根据经验自动改进。

• DL：深度学习，它是使用深度神经网络的ML的子集。所以从技术上讲，它仍然是机器学习，目前是它最先进和最有前途的分支。

• NN ： DL中使用的通用模型类。DL是NN的应用领域。

就个人而言，我不太喜欢您发布的维恩图。DL是NN的一个子集……这对我来说没有意义。

人工智能
使用机器获得人类水平的智能是一个普遍的想法。这更像是对人类的一种追求，即一个持续的旅程。
它可以追溯到 1950 年，当时艾伦·图灵提出了图灵测试的想法。

机器学习
这是一种使用数据自动构建程序（模型）的方法。
这种方法不同于传统的编程方法。 $\hspace{2cm}$

深度学习
最近使用深度神经网络的最先进方法使我们能够分析非常大和复杂的数据，例如图像/文本。

在维恩图上 -
AI > ML > DL 但神经网络应该与深度学习

数据科学
互换使用数据科学不属于上述分类。
上述分类更多是关于人工智能的演变，但为了描述数据科学，我们应该研究从捕获到报告的数据流。建模只是过程中的一步。

数据科学是一个跨学科领域，专注于从通常很大的数据集中提取知识（参见大数据）。 [6] 该领域包括分析、为分析准备数据以及展示结果以告知组织中的高层决策。因此，它融合了计算机科学、数学、统计学、信息可视化、图形设计、复杂系统、通信和商业 维基百科的技能

机器学习是研究将模型结构拟合（=优化）数据并输出基于模型结构和优化模型参数组合的最终模型的方法的领域。统计和机器学习是交叉领域，有些方法属于这两个领域，但也有一些方法只属于机器学习，有些方法只属于统计。

神经网络是一组这样的机器学习方法，这些方法的一个子集是深度学习神经网络 (DLNN)。

深度学习方法是一组使用多层建模单元的机器学习方法。深度学习的大多数研究都在 DLNN 领域，但它并不是排他性的，例如概率电路通常不被认为是 NN（尽管它们乍一看很相似）并且它们可以是深度分层的。具有分层性质的方法通常不被认为是“深”的，这首先导致了“深”是什么意思的问题。一个例子可能是层次聚类方法，其中存在许多非常不同的方法——因为（可能）每种聚类方法都可以很容易地进行分层。

人工智能（AI）如果不想作为一个流行词来定义，就像“追求人类智能”一样，是很难定义的。一个问题是定义什么是智能。据我所知，如果有人将 AI 定义为比 ML 更广泛，那么最终会得到一个与“计算机科学”基本相同的定义，否则最终会得到我对 ML 的定义（见上文）。绝对不能错误地将常规算法（如极小极大算法或基于规则的系统称为深蓝）命名为 AI。否则任何算法都将是人工智能，这将是荒谬的。可能https://blog.piekniewski.info/2020/06/08/ai-the-no-bullshit-approach/将给出专家系统如何是 AI 而不是AI 的答案ML，而不仅仅是一个基于规则的系统，但我还没来得及阅读它。

数据科学在工业界被用作流行词，并且在研究中被避免使用——除了“应用数据科学”一词。主要问题是工业中的大部分数据“科学”根本不是科学。然而，我相信有机会将“数据科学”不仅仅是流行语，而是一门实际的科学。事实上，我现在正在研究一种方法论。我现在有机会在大学教授“作为一门科学的数据科学”。但是，我注意到我的定义还没有达到我想要的质量。不过情况正在好转。为了给你一个想法，我在另一篇文章的评论中写道：

在不详细介绍我的方法论/定义的情况下，我对数据科学的定义的结果是你可以说它是“数学认识论”——不是实际的应用，而是方法论。数据分析将成为数据科学原则的应用。你可以说数据科学之于数据分析，就像物理学之于机械工程一样。这样，公司将聘请数据科学家/物理学家从事工程项目。来自 https://academia.stackexchange.com/questions/158586/scientific-data-science-conferences-and-journals#comment423975_158587

在这一论点中，“沟通技巧”不是数据科学的一部分，就像它们不是医学的一部分一样，即使医生应该是一个好的沟通者才能有效。

因此，ML 是 NN 和 DL 的超集，它们相交。AI（基于我迄今为止对该主题的研究）与 ML 相同。数据科学使用来自 ML 的方法，但它也使用其他方法，例如来自非 ML 统计数据。

机器学习 (ML) 是人工智能 (AI) 的一个子集。例如，Minimax 算法也是 AI 更大领域的一部分，但该方法不是基于 ML。事实上，这些算法在人工智能研究的早期阶段显示出更有希望的结果（深蓝是第一台赢得国际象棋大师的计算机，它没有使用任何机器学习）。通过阅读著名的书：人工智能：一种现代方法，您可以很好地了解 AI 中包含的各种其他领域。

在我看来，我不会尝试将数据科学的概念放在上面的插图中，因为定义没有很好的定义（或者更确切地说，在各种文献中定义不同）并且实际上相当广泛。话虽如此，人工智能可能会被大多数人视为数据科学的一部分。