Como um sistema de IA pode desenvolver seu conhecimento de domínio? Existe mais do que apenas Machine Learning?

Portanto, o aprendizado de máquina permite que um sistema seja automatizado automaticamente no sentido de prever o estado futuro com base no que aprendeu até agora. Minha pergunta é: as técnicas de aprendizado de máquina são a única maneira de fazer um sistema desenvolver seu conhecimento de domínio?

Bem, estamos falando de um sistema (uma máquina) que desenvolve conhecimento (aprende), por isso é meio difícil para essa técnica não se encaixar no aprendizado de máquina.

Mas você pode argumentar que os mecanismos de inferência que funcionam em um banco de dados de conhecimento baseado em gráficos para derivar novas proposições ou probabilidades não fazem parte do aprendizado de máquina. Obviamente, nesse caso, parte do conhecimento não é adquirida, mas inserida pelos desenvolvedores.

Ainda estou lendo isso, mas minha impressão é que esses bancos de dados de conhecimento e mecanismos de inferência se tornaram bastante populares nos anos noventa e muitos pesquisadores da AGI hoje ainda trabalham nessa direção.

Isso depende de quão amplamente você define "técnicas de aprendizado de máquina". Você pode construir uma definição para que, por definição, todo o aprendizado se enquadre nessa rubrica. OTOH, existe uma gama tão ampla de técnicas de aprendizado de máquina que isso não seria um ganho.

Provavelmente faz mais sentido falar sobre os diferentes tipos de aprendizado que usamos no aprendizado de máquina / inteligência artificial. No mínimo, você tem:

1. aprendizado supervisionado
2. aprendizado não supervisionado
3. aprendizagem semi-supervisionada
4. aprendizagem competitiva

E então coisas como "aprendizado por reforço" que podem subcategorizar o acima. A maioria dessas coisas se enquadra no que as pessoas geralmente chamam de "aprendizado de máquina".

Fora isso, você tem coisas como algoritmos de indução de regras, técnicas de lógica dedutiva como programação de lógica indutiva que podem meio que "aprender", mecanismos de inferência, raciocínio automatizado etc. que têm suas próprias maneiras de "aprender" sobre o mundo, mas são separados do que geralmente é chamado de "aprendizado de máquina".

Mas, mesmo com isso em mente, pode-se perguntar, com razão, se há realmente uma linha divisória lá ou não. De fato, parece haver razões para pensar que os futuros sistemas de IA podem usar uma abordagem híbrida que combina muitas técnicas diferentes, sem levar em consideração se eles são rotulados como "aprendizado de máquina" ou "GOFAI" ou "outro".