往内一层是“Machine Learning”（机器学习），这是AI的一个子领域，关注通过履历和数据进行学习，而不是通过显式编程来完成任务。机器学习使得打算机能够通过数据演习进行模式识别，并对新数据进行预测或分类。机器学习的核心在于它利用统计技能来创造数据中的模式，并基于这些模式作出决策或预测。
更进一步深入的是“Artificial Neural Networks”（人工神经网络），这是机器学习的一种详细形式，灵感来源于人类大脑的神经元连接构造。人工神经网络由多个层次的节点（或“神经元”）组成，这些节点通过权重相连，能够处理繁芜的非线性关系。这些网络特殊善于处理大量数据并创造隐蔽在数据中的繁芜模式。
再往里一层是“Deep Learning”（深度学习），这是人工神经网络的一个分支，常日指那些包含许多隐蔽层的繁芜网络。深度学习通过大量的数据和强大的打算能力，在图像识别、语音识别、自然措辞处理等领域取得了显著的进展。它代表了机器学习技能的一个打破，使得AI能够在非常繁芜的任务上表现出靠近或超过人类的能力。
最核心的部分是“GenAI”（天生式人工智能），它是深度学习的一个运用领域，专注于天生新的数据实例。图中还特殊列出了两个天生式AI的子领域：“LLM”（大型措辞模型）和“Text to Image”（文本天生图像）。大型措辞模型，如GPT系列，是基于大量文本数据演习的，能够天生自然措辞文本。而“Text to Image”技能则可以根据给定的文本描述天生对应的图像。这些技能代表了AI技能的最前沿，在创意、设计和内容天生等领域展现出巨大的潜力。
这张图通过层层嵌套的办法，清晰地展示了AI领域的不同层次及其相互关系，从广义的AI观点到详细的天生式AI运用，有助于理解各个层次之间的递进关系和技能发展路径。
