整体来看：AI>机器学习（ML）>深度学习=强化学习=迁移学习
一、人工智能
1956年，计算机科学家 John McCarthy提出了“人工智能”的概念，是指在处理任务时具有人类智力特点的机器，包括具有组织和理解语言，识别物体和声音，以及学习和解决问题等能力。
从人工智能的概念被提出到目前为止，人工智能的研究领域在不断扩大，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。通常将人工智能分为弱人工智能和强人工智能：弱人工智能让机器具备观察和感知的能力，可以做到一定程度的理解和推理；而强人工智能让机器获得自适应能力，解决一些之前没有遇到过的问题。
目前的科研工作都集中在弱人工智能这部分，而实现弱人工智能的最主要途径是机器学习。
二、机器学习
机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
三、深度学习
最初的深度学习是利用深度神经网络（DNN）来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。目前，DNN演化出了许多不同的网络拓扑结构，包括：卷积神经网络（CNN）、递归神经网络（RNN）、长期短期记忆网络（LSTM）、生成对抗网络（GAN）等。
深度学习是一种机器学习的技术，也是现在机器学习最常用的一些手段。目前，深度学习在计算机视觉，语音识别，自然语言处理(NLP)等领域取得了使用传统机器学习算法所无法取得的成就。
四、强化学习
强化学习，又称再励学习或者评价学习，也是机器学习的技术之一。强化学习是智能体自主探索环境状态，采取行为作用于环境并从环境中获得回报的过程。
五、迁移学习
迁移学习是一种机器学习的方法，指的是一个预训练的模型被重新用在另一个任务中。迁移学习与多任务学习以及概念飘移这些问题相关，它不是一个专门的机器学习领域。