许多人以多种（通常相似）方式定义了机器学习[ 1 , 2 ]。一种定义说机器学习 (ML) 是一个研究领域，它使计算机能够在没有明确编程的情况下进行学习。

鉴于上述定义，我们可以说机器学习是针对我们拥有（大量）数据（经验）的问题，程序可以从中学习并在任务中做得更好。

人工智能还有很多方面，其中机器可能不会通过从数据中学习来更好地完成任务，但可能会通过规则（例如Mycin等专家系统）、逻辑或算法（例如寻路）展示智能。

《人工智能：一种现代方法》一书展示了人工智能的更多研究领域，如约束满足问题、概率推理或哲学基础。

机器学习是人工智能的一个子集。粗略地说，它对应于它的学习方面。没有“官方”的定义，界限有点模糊。

人工智能

根据《人工智能：一种现代方法》（第 1.1 节）一书，人工智能 (AI) 有多种定义，可分为 4 类。

1. 人性化思考
2. 理性思考
3. 以人为本
4. 理性行事

图 1.1（同一本书）包含 8 个定义（由 Bellman、Winston 或 Kurzweil 等知名人士提出）。

每个框包含 2 个相似的定义（即都属于同一类别）。这些定义沿 2 个维度变化。上排的定义与思维过程和推理有关，而下排的定义与行为有关。左边的定义与人类智能相关，而右边的定义与智能的理想化版本有关，AIMA 书的作者称之为理性。因此，例如，左上角的定义是基于人类的思考，而右下角的定义是基于理性的行动。

1956年，人工智能领域的正式创始人之一约翰·麦卡锡（ John McCarthy）也对人工智能下了定义。

它是制造智能机器，尤其是智能计算机程序的科学和工程。它与使用计算机来理解人类智能的类似任务有关，但人工智能不必将自己局限于生物学上可观察的方法。

机器学习

机器学习 (ML) 也有多种（相似的）定义。例如，Tom Mitchell，在第 1.1 节中。在他的《机器学习》一书中，机器学习定义如下。

据说计算机程序可以从经验中学习$E$关于某类任务$T$和绩效衡量$P$, 如果它在任务中的表现$T$，如测量$P$, 随着经验的提高$E$.

人工智能和机器学习有什么区别？

ML 是 AI 的一个子领域，它是面向数据（或经验驱动）的。AI 不仅仅是 ML，它还由自然语言处理和其他子领域组成。

机器学习是人工智能的一个子集，只是其潜力的一小部分。这是一种实现人工智能的特定方式，主要集中在统计/概率技术和进化技术上。^问

人工智能

人工智能是“能够执行通常需要人类智能的任务的计算机系统的理论和发展”（例如视觉感知、语音识别、决策和语言之间的翻译）。

我们可以将 AI 视为非人类决策^Q的概念，其旨在模拟认知的类人功能，例如解决问题、决策或语言交流。

机器学习

机器学习 (ML) 基本上是通过构建模型的实现来进行学习，该模型可以从数据中预测和识别模式。

根据计算机科学的Stephanie R. Taylor教授和她的演讲论文以及维基百科页面，“机器学习是人工智能的一个分支，它是关于构建和研究可以从数据中学习的系统”（例如基于现有的了解如何区分垃圾邮件和非垃圾邮件的电子邮件信息）。

根据牛津词典，机器学习是“计算机从经验中学习的能力”（例如，根据新获得的信息修改其处理）。

我们可以将 ML 视为现有数据中的计算机模式检测，以预测未来数据中的模式。^问

换句话说，机器学习涉及自学习算法的开发，而人工智能涉及开发系统或软件来模仿人类在某种情况下做出反应和行为。^知乎