好吧，我们谈论的是一个发展知识（学习）的系统（机器），所以这种技术很难不属于机器学习。

但是您可能会争辩说，在基于图形的知识数据库上工作以得出新命题或概率的推理引擎不是机器学习的一部分。当然，在这种情况下，部分知识根本不是获得的，而是由开发人员输入的。

我仍在阅读这方面的内容，但我的印象是，这些知识数据库和推理引擎在 90 年代变得相当流行，今天许多 AGI 研究人员仍在朝着这个方向工作。

这取决于您对“机器学习技术”的定义范围。您可以构建一个定义，以便根据定义，所有学习都属于该标题。OTOH，有如此广泛的机器学习技术，这样做不会有太多收获。

谈论我们在机器学习/人工智能中使用的不同类型的学习可能更有意义。至少，你有：

1. 监督学习
2. 无监督学习
3. 半监督学习
4. 竞争性学习

然后是诸如“强化学习”之类的东西，可以对上述内容进行子分类。大多数这些东西都属于人们通常所说的“机器学习”。

除此之外，你还有规则归纳算法、演绎逻辑技术（如可以有点“学习”的归纳逻辑编程、推理引擎、自动推理等），它们有自己的“学习”世界的方式，但是与通常标记为“机器学习”的东西是分开的。

但即使考虑到这一点，人们也可以正确地询问那里是否真的存在分界线。事实上，似乎有理由认为未来的人工智能系统可能会使用一种混合方法，该方法结合了许多不同的技术，而不管它们是否被标记为“机器学习”、“GOFAI”或“其他”。