머신러닝과 함께 많이 던져지는 용어는 인공지능, 즉 1950년대부터 컴퓨터 프로그램으로 시작된 연구 분야로, 체커를 치고 대수어를 푸는 문제 등을 해결할 수 있다.
인공지능의 목표는 기계를 사용하여 인간의 지능의 특정 측면을 시뮬레이션하는 것이다. AI의 유명한 예로는 튜링 테스트가 있습니다. 만약 사람이 기계와 사람의 반응을 구별하지 못한다면, 기계는 지능적이다.
AI는 컴퓨터 과학, 수학, 심리학, 언어학, 경제학, 철학을 포함한 많은 다양한 배경의 연구자들이 있는 매우 광범위한 분야이다. 컴퓨터 비전, 로봇공학 등 많은 하위 분야와 통계, 확률, 최적화, 논리 프로그래밍, 지식 표현 등 다양한 접근법과 도구가 존재한다.
학습은 확실히 우리가 지능과 연관시키는 것이지만, 모든 기계학습 시스템이 지능적이라고 말하는 것은 지나치다. 두 분야 간 중복은 분명 있지만 머신러닝은 AI가 활용하게 되는 도구 중 하나일 뿐이다. 모든 AI가 머신러닝인 것은 아니며 모든 머신러닝이 AI인 것도 아닙니다.
머신러닝은 또한 통계학과 데이터 과학과 많은 공통점을 가지고 있는데, 이는 컴퓨터로 통계를 하는 것의 화려한 용어이다. 데이터 과학자는 자신의 일을 하기 위해 기계 학습을 사용할 수 있으며, 많은 기계 학습 알고리즘은 원래 통계에서 나온다. 모든 것이 리믹스입니다.