Mashinada o'qitish, kompyuterlar qanday qilib aniq dasturlashtirilmagan holda qanday qilib vazifalarni bajara olishlarini aniqlashni o'z ichiga oladi. Bu ma'lum bir vazifalarni bajarish uchun taqdim etilgan ma'lumotlardan kompyuterlarni o'rganishni o'z ichiga oladi. Kompyuterlarga berilgan sodda vazifalar uchun mashinaga qo'yilgan muammoni hal qilish uchun zarur bo'lgan barcha bosqichlarni qanday bajarishni aytib beradigan algoritmlarni dasturlash mumkin; kompyuter tomonidan hech qanday o'rganish kerak emas. Ilg'or vazifalar uchun kerakli algoritmlarni qo'lda yaratish inson uchun qiyin bo'lishi mumkin. Amalda, inson dasturchilariga kerakli har bir qadamni belgilashdan ko'ra, mashinaga o'z algoritmini ishlab chiqishda yordam berish samaraliroq bo'lishi mumkin. Mashinada o'qitish intizomi kompyuterlarni to'liq qondiradigan algoritm mavjud bo'lmagan vazifalarni bajarishga o'rgatish uchun turli xil yondashuvlardan foydalanadi. Ko'p sonli potentsial javoblar mavjud bo'lgan hollarda, bitta yondashuv to'g'ri javoblarning bir qismini haqiqiy deb belgilashdir. Keyinchalik bu to'g'ri javoblarni aniqlash uchun foydalanadigan algoritm (lar) ni takomillashtirish uchun kompyuter uchun o'quv ma'lumotlari sifatida ishlatilishi mumkin. Masalan, raqamli belgilarni aniqlash vazifasini bajarish uchun tizimni tayyorlash qo'lda yozilgan raqamlar to'plami ko'pincha ishlatilgan. Sun'iy intellekt
Mashinalarni o'rganish sun'iy intellektning subfiligi sifatida Mashinali o'qitishning bir qismi sun'iy intellektning subfediyali yoki sun'iy intellektning bir qismini mashina o'rganish subfilmasi sifatida Ilmiy ish sifatida, mashinada o'rganish sun'iy intellektni izlash natijasida o'sdi. AI ning dastlabki kunlarida o'quv intizomi, ba'zi tadqiqotchilar mashinalarning ma'lumotlardan o'rganishiga qiziqishgan. Ular muammoga turli xil ramziy usullar bilan yondashishga harakat qilishdi, shuningdek keyinchalik "asab tarmoqlari"; asosan ular edi perceptronlar va boshqa modellar keyinchalik ixtirolari deb topilgan umumlashtirilgan chiziqli modellar statistika.[17] Ehtimolli fikrlash, ayniqsa, avtomatlashtirilgan holda ham ishlatilgan tibbiy diagnostika Biroq, tobora ortib borayotgan e'tibor mantiqiy, bilimga asoslangan yondashuv sun'iy intellekt va kompyuterni o'rganish o'rtasida ziddiyatga olib keldi. Ehtimollik tizimlari ma'lumot to'plash va namoyish qilishning nazariy va amaliy muammolari bilan qiynalgan. 1980 yilga kelib, ekspert tizimlari sun'iy intellektda hukmronlik qilgan va statistika foydasiz edi.[19] Ramziy / bilimga asoslangan o'rganish bo'yicha ishlar sun'iy intellekt doirasida davom etdi va natijada induktiv mantiqiy dasturlash, ammo tadqiqotning statistik yo'nalishi endi sun'iy intellekt sohasidan tashqarida edi naqshni aniqlash va ma'lumot olish. Neytral tarmoqlarni tadqiq qilish A.I.dan voz kechgan edi Kompyuter fanlari bir vaqtning o'zida. Ushbu yo'nalish ham sun'iy intellekt / CS maydonidan tashqarida davom etdi "ulanish", boshqa fanlarning tadqiqotchilari tomonidan, shu jumladan Xopfild, Rumelxart va Xinton. Ularning asosiy muvaffaqiyati 1980-yillarning o'rtalarida qayta kashf etilishi bilan sodir bo'ldi orqaga surish.[18]:25 Alohida soha sifatida qayta tashkil etilgan mashinasozlik (ML) 1990 yillarda rivojlana boshladi. Bu soha o'z maqsadini sun'iy intellektga erishishdan amaliy xarakterdagi hal qilinadigan muammolarni hal qilishga o'zgartirdi. Bu diqqat markazidan uzoqlashdi ramziy yondashuvlar u sun'iy intellektdan meros bo'lib, statistika va ehtimollik nazariyasi 2020 yildan boshlab, ko'plab manbalar mashinani o'rganish AIning subfediyasi bo'lib qolmoqda deb ta'kidlamoqda. Asosiy kelishmovchilik, barcha ML AI ning bir qismi bo'ladimi, chunki bu ML dan foydalanadigan har kim AIdan foydalanayotganligini da'vo qilishi mumkin. Boshqalar fikricha, MLning hammasi ham AIning bir qismi emas bu erda faqat MLning "aqlli" to'plami sun'iy intellektning bir qismidir.
