John McCarthy , được công nhận rộng rãi là một trong những bố già của AI, đã định nghĩa nó là Khoa học và kỹ thuật chế tạo máy móc thông minh.

Dưới đây là một vài định nghĩa khác về trí tuệ nhân tạo:

Một nhánh của khoa học máy tính liên quan đến việc mô phỏng hành vi thông minh trong máy tính.

Khả năng của một cỗ máy bắt chước hành vi thông minh của con người.

Một hệ thống máy tính có thể thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người, như nhận thức trực quan, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ.

Có rất nhiều cách để mô phỏng trí thông minh của con người, và một số phương pháp thông minh hơn những cách khác.

AI có thể là một đống các câu lệnh if-then hoặc mô hình thống kê phức tạp ánh xạ dữ liệu cảm giác thô thành các loại biểu tượng. Các câu lệnh if-then chỉ đơn giản là các quy tắc được lập trình rõ ràng bởi bàn tay con người. 

Được kết hợp với nhau, những câu lệnh if-then này đôi khi được gọi là công cụ quy tắc, hệ thống chuyên gia, biểu đồ tri thức hoặc biểu tượng AI. Nói chung, những thứ này được gọi là AI tốt, lỗi thời (Good, Old-Fashioned AI (GOFAI)).

Trí thông minh quy định các cỗ máy bắt chước, ví dụ bắt chước một kế toán viên có kiến thức về mã số thuế, người lấy thông tin bạn cung cấp, chạy thông tin thông qua một bộ quy tắc tĩnh và đưa ra số tiền thuế bạn nợ. Ở Mỹ, chúng tôi gọi đó là TurboTax.

Thông thường, khi một chương trình máy tính được thiết kế bởi các nhà nghiên cứu AI thực sự thành công ở một thứ gì đó - như chiến thắng trong cờ vua - nhiều người nói rằng nó không thực sự thông minh, bởi vì các thuật toán bên trong đã được hiểu rõ. Các nhà phê bình nghĩ rằng trí thông minh phải là một cái gì đó vô hình, và độc quyền của con người. Một wag sẽ nói rằng AI thực sự là bất cứ điều gì máy tính chưa thể làm được.

Học máy: Các chương trình thay đổi bản thân

Học máy là một tập hợp con của AI. Nghĩa là, tất cả các học máy đều được tính là AI, nhưng không phải tất cả AI đều được tính là học máy. Ví dụ, logic biểu tượng - công cụ quy tắc, hệ thống chuyên gia và đồ thị tri thức - tất cả đều có thể được mô tả là AI và không có phần nào trong số đó là học máy.

Một khía cạnh tách biệt học máy với các biểu đồ tri thức và hệ thống chuyên gia là khả năng tự sửa đổi khi tiếp xúc với nhiều dữ liệu hơn; tức là học máy là năng động và không cần sự can thiệp của con người để thực hiện một số thay đổi nhất định. Điều đó làm cho nó ít nhạy cảm hơn, và ít phụ thuộc vào các chuyên gia con người.

Vào năm 1959, Arthur Samuel, một trong những người tiên phong của học máy, đã định nghĩa học máy là một lĩnh vực nghiên cứu mang lại cho máy tính khả năng học mà không cần lập trình rõ ràng. 

Điều này có nghĩa là, các chương trình học máy chưa được nhập vào máy tính một cách rõ ràng, như các câu lệnh if-then ở trên. Theo một nghĩa nào đó, các chương trình học máy sẽ tự điều chỉnh để đáp ứng với dữ liệu mà chúng tiếp xúc (giống như một đứa trẻ được sinh ra không biết gì cả, nhưng điều chỉnh sự hiểu biết về thế giới để đáp ứng với trải nghiệm).

Samuel dạy một chương trình máy tính để chơi cờ. Mục tiêu của anh là dạy nó chơi cờ đam (checker) tốt hơn mình, đó rõ ràng không phải là thứ anh có thể lập trình rõ ràng. Ông đã thành công, và vào năm 1962, chương trình của ông đã đánh bại nhà vô địch cờ đam của bang Connecticut.

Phần “học tập” của học máy có nghĩa là các thuật toán học máy cố gắng tối ưu hóa theo một chiều nhất định; tức là chúng thường cố gắng giảm thiểu lỗi hoặc tối đa hóa khả năng dự đoán của chúng, sao cho đúng. Điều này có ba tên: hàm lỗi, hàm mất hoặc hàm mục tiêu, bởi vì thuật toán có mục tiêu . . . Khi ai đó nói rằng họ đang làm việc với thuật toán học máy, bạn có thể tìm hiểu ý chính của giá trị bằng cách hỏi: Chức năng mục tiêu là gì?

Làm thế nào để giảm thiểu một lỗi? Chà, có một cách là xây dựng một khung nhân (multiple) số đầu vào để đoán ra bản chất