机器学习是人工智能的核心，专家系统是最重要、最活跃的应用领域

1.机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

学习能力无疑是人工智能研究上最突出和最重要的一个方面，人工智能在这方面的研究近年来取得了一些进展。学习是人类智能的主要标志和获得知识的基本手段，机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。机器学习有四种主要类型：监督式学习、非监督式学习、半监督式学习和强化学习。在监督式机器学习中，算法通过处理和分类大量的标记数据来学习识别数据。

在非监督式机器学习中，算法能够以超过人类大脑的速度，快速识别大量未标记数据中的模式和类别。近几年来，机器学习（能够大概模拟人脑并让机器能自己学习的算法）上的突破让计算机在语音识别和鉴别视觉模式上获得了非凡的能力。Abbeel的目标是让机器人拥有某种通用的智能——一种理解世界的方式，让它们可以自己学习完成任务。他还有很长的路要走。

2.专家系统

专家系统是一种基于知识的计算机知识系统，它从人类领域专家那里获得知识，并用来解决只有领域专家才能解决的困难问题。因此，可以这样来定义专家系统：专家系统是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家求解问题的思维过程，以解决该领域内的各种问题。

通俗的说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。也就是说，专家系统是一个具有大量专门知识与经验的程序系统，专家系统应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。

专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。

专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。

近年来，在专家系统的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能有优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。