답변:
우리는 지식 (학습)을 개발하는 시스템 (기계)에 대해 이야기하고 있기 때문에 그러한 기술이 기계 학습에 속하지 않는 것은 어렵습니다.
그러나 새로운 제안이나 확률을 도출하기 위해 그래프 기반 지식 데이터베이스에서 작동하는 추론 엔진은 머신 러닝의 일부가 아니라고 주장 할 수 있습니다. 물론이 경우 지식의 일부는 전혀 획득되지 않고 개발자가 입력합니다.
나는 아직도 이것에 대해 읽고 있지만, 내 지식 은 이러한 지식 데이터베이스 와 추론 엔진 이 90 년대에 다소 인기를 얻었으며 오늘날 많은 AGI 연구원들이 여전히 그 방향으로 일하고 있다는 것입니다.
그것은 "기계 학습 기술"을 얼마나 광범위하게 정의 하느냐에 달려 있습니다. 정의에 따라 모든 학습이 해당 루 브릭에 포함되도록 정의를 구성 할 수 있습니다. OTOH, 그렇게 많은 머신 러닝 기술은 그렇게 많이 얻지 못할 것입니다.
기계 학습 / 인공 지능 내에서 사용하는 다양한 종류의 학습에 대해 이야기하는 것이 더 합리적입니다. 최소한 다음이 있습니다.
그런 다음 위의 범주를 세분화 할 수있는 "강화 학습"과 같은 것들. 이러한 것들의 대부분은 사람들이 일반적으로 "기계 학습"이라고 부르는 것에 속합니다.
그 외에는 규칙 유도 알고리즘, "학습"을 분류 할 수있는 유도 논리 프로그래밍, 추론 엔진, 자동화 된 추론 등과 같은 전 세계에 대한 자체 "학습"방법이있는 연역 논리 기술과 같은 것들이 있지만 일반적으로 '기계 학습'이라는 라벨이 붙어 있습니다.
그러나 그 점을 염두에 두어도 실제로 구분선이 있는지 여부를 알 수 있습니다. 실제로, 미래의 AI 시스템이 "머신 러닝"또는 "GOFAI"또는 "기타"로 분류되는지 여부에 관계없이 다양한 기술을 결합한 하이브리드 방식을 사용할 수 있다고 생각할만한 이유가있는 것 같습니다.