因為自己不太懂，所以就整理了一下，這之間的關係。

人工智慧（Artificial Intelligence，AI）

指由人製造出來的機器，所表現出來的智慧型。通常人工智慧是指透過普通電腦程式來呈現人類智慧型的技術。

機器學習（Machine Learning，ML）

是人工智慧的一個分支，簡單來說就是「機器可自主學習」，分成下面幾種類別：

1. 監督學習（Supervised）：從給定的訓練資料集中學習出一個函式，當新的資料到來時，可以根據這個函式預測結果。監督學習的訓練集要求是包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督學習演算法包括回歸分析和統計分類。（監督學習和無監督學習的差別就是訓練集目標是否人標註。他們都有訓練集且都有輸入和輸出）
2. 無監督學習（Unsupervised）：與監督學習相比，訓練集沒有人為標註的結果。常見的無監督學習演算法有生成對抗網路（GAN）、聚類。
3. 半監督學習（Semi-supervised）：介於監督學習與無監督學習之間。
4. 強化學習（Reinforcement learning）：機器為了達成目標，隨著環境的變動，而逐步調整其行為，並評估每一個行動之後所到的回饋是正向的或負向的。

深度學習（Deep Learning，DL）

是機器學習的分支，一種以人工神經網路為架構，對資料進行表徵學習的演算法。（例如：在購物網站上，會出現一些可能是你感興趣的推薦產品，亦是一種深度學習過後的呈現）

※ 最大差異則在於特徵擷取

1. 機器學習：人類協助標示特徵（feature）
2. 深度學習：電腦或機台會自己找到特徵（例如CNN中的Convolution layer，ReLU layer跟Pooling layer在做的部分就是特徵擷取的工作）

卷積神經網路（Convolutional Neural Network，CNN）

深度學習中的其中一種結構，將DL實作出來的其中一種方法，其他包括FNN、RNN、DenseNet也是用來實作深度學習的神經網路方法。

參考資料:

[1] 維基百科：https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD
[2] 論人工智慧與其他之關係：https://medium.com/@chih.sheng.huang821/%E4%BB%80%E9%BA%BC%E6%98%AF%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7-%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E5%92%8C%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-587e6a0dc72a