जवाबों:
खैर, हम एक ऐसी प्रणाली (एक मशीन) के बारे में बात कर रहे हैं, जो ज्ञान विकसित करती है (सीखती है), इसलिए इस तरह की तकनीक के लिए मशीन लर्निंग के भीतर नहीं आना मुश्किल है।
लेकिन आप तर्क दे सकते हैं कि नए इंजनों या संभावनाओं को प्राप्त करने के लिए ग्राफ आधारित ज्ञान डेटाबेस पर काम करने वाले इंट्रेंस इंजन मशीन लर्निंग का हिस्सा नहीं हैं। बेशक उस मामले में ज्ञान का हिस्सा बिल्कुल हासिल नहीं किया गया है, बल्कि डेवलपर्स द्वारा दर्ज किया गया है।
मैं अभी भी इस पर पढ़ रहा हूं, लेकिन मेरी धारणा यह है कि ये ज्ञान डेटाबेस और इंजेक्शन इंजन नब्बे के दशक में लोकप्रिय हो गए थे और कई एजीआई-शोधकर्ता आज भी उस दिशा में काम करते हैं।
यह इस बात पर निर्भर करता है कि आप "मशीन लर्निंग तकनीक" को किस प्रकार परिभाषित करते हैं। आप एक परिभाषा का निर्माण कर सकते हैं, ताकि परिभाषा के अनुसार, सभी शिक्षण उस रूब्रिक के अंतर्गत आते हैं। OTOH, मशीन सीखने की तकनीक का इतना व्यापक सरणी है कि ऐसा करने से एक लाभ नहीं होगा।
यह संभवत: मशीन लर्निंग / आर्टिफिशियल इंटेलिजेंस के भीतर हमारे द्वारा उपयोग किए जाने वाले विभिन्न प्रकार के सीखने के बारे में बात करने के लिए अधिक समझ में आता है। कम से कम, आपके पास:
और फिर "सुदृढीकरण सीखने" जैसी चीजें जो उपरोक्त उपश्रेणी कर सकती हैं। उन चीजों में से अधिकांश जो लोग आमतौर पर "मशीन लर्निंग" कहते हैं, में आते हैं।
उसके बाहर, आपके पास रूल इंडक्शन एल्गोरिदम, आगमनात्मक लॉजिक प्रोग्रामिंग जैसी डिडक्टिव लॉजिक तकनीकें हैं, जो सॉर्टा-थोरा "लर्न", इंट्रेंस इंजन, ऑटोमैटिक रीजनिंग, आदि कर सकती हैं, जिनके पास दुनिया के बारे में "सीखने" के अपने तरीके हैं, लेकिन आम तौर पर "मशीन लर्निंग" लेबल वाले से अलग होते हैं।
लेकिन यह भी ध्यान में रखते हुए, कोई ठीक से पूछ सकता है कि क्या वास्तव में वहाँ एक विभाजन रेखा है या नहीं। वास्तव में, यह सोचने का कारण प्रतीत होता है कि भविष्य के AI सिस्टम एक हाइब्रिड दृष्टिकोण का उपयोग कर सकते हैं, जो कई अलग-अलग तकनीकों को जोड़ती है, चाहे वे "मशीन लर्निंग" या "GOFAI" या "अन्य" लेबल न हों।