Se pueden utilizar técnicas diagramáticas para representar la jerarquía y las relaciones entre la inteligencia artificial (IA), el aprendizaje automático y el aprendizaje profundo. El primer conjunto corresponde a la IA y consiste en algoritmos que imitan la inteligencia de los humanos con la capacidad de resolver problemas en formas que consideramos inteligentes.

En su interior encontramos el aprendizaje automático (machine learning), con algoritmos que analizan datos y aprenden de ellos para después aplicar lo que han aprendido tomando decisiones informadas.

A su vez, en su interior, tenemos el aprendizaje profundo (deep learning) consistente en algoritmos de redes neuronales que aprenden las características importantes de los datos por sí mismos y son capaces de adaptarse a través del entrenamiento repetitivo para descubrir patrones.

Michael Copeland escribió un artículo en 2016 para NVIDIA explicando la evolución de la IA, el aprendizaje automático y el aprendizaje profundo. El autor explica que la inteligencia artificial ha evolucionado desde las Conferencias de Dartmouth en 1956.

En los años 80 surge con fuerza el interés por el aprendizaje automático. A partir del año 2010, y en especial desde el año 2015, el interés por el aprendizaje profundo ha ayudado al enorme progreso que está alcanzando la IA en nuestros días. Estos avances se ven empujados por la capacidad computacional, el ancho de banda y el almacenaje de datos que facilitan su crecimiento exponencial. Además, su impacto tiende a amplificarse cuando las tecnologías se conectan por medio de plataformas abiertas y ecosistemas.