Yapay zeka (AI) bir hedeftir: makinelere insan benzeri karar verme, tahmin veya problem çözme yeteneği kazandırmak. Makine öğrenmesi (ML) ise bu hedefe ulaşmak için kullanılan en yaygın yöntemdir — sistemin kuralları elle yazmak yerine, verilerden öğrenmesini sağlamak. Yani her makine öğrenmesi sistemi bir yapay zekadır, ama her yapay zeka sistemi makine öğrenmesi kullanmaz (örneğin 1980’lerin kural-tabanlı “uzman sistemleri” de yapay zeka sayılırdı, veri öğrenmezlerdi).
İlişki iç içe geçmiş dairelerle düşünülebilir: en dışta yapay zeka, onun içinde makine öğrenmesi, onun da içinde derin öğrenme var. Derin öğrenme, çok katmanlı yapay sinir ağıları kullanan bir makine öğrenmesi türüdür ve bugünkü büyük atılımların (görüntü tanıma, büyük dil modelleri) arkasındaki asıl teknolojidir.
Pratikte fark şöyle görülür: klasik bir makine öğrenmesi modeli, örneğin bir e-ticaret sitesinde “bu müşteri alışverişi terk eder mi” tahminini, önceden belirlenmiş birkaç özellikten (sepet tutarı, geçmiş sipariş sayısı gibi) öğrenir ve nispeten küçük, yorumlanabilir bir modeldir. Derin öğrenme tabanlı bir sistem ise ham veriden (metin, görsel, ses) doğrudan öğrenir, katman sayısı arttıkça daha soyut örüntüleri kendisi keşfeder ama iç işleyişi insan gözüyle takip edilemez hale gelir — buna “kara kutu” problemi denir.
Kısacası: “yapay zeka” bir amacın adı, “makine öğrenmesi” o amaca giden yolun adıdır.