머신 러닝(Machine Learning)과 인공 지능을 구분 없이 혼용하는 경우가 많지만, 이 둘은 분명 미묘하게 다른 개념이다. 인공 지능이란 용어는 1950년대에 처음 등장했으며 인간의 지능과 행동을 모방할 수 있는 기계를 뜻했다. 이를 실현하기 위해 컴퓨터 과학자들은 여러 방편으로 연구를 시도했는데, 초기 연구는 상징적 인공 지능(symbolic AI)이 주를 이뤘다. 상징적 인공 지능은 사람의 지식을 컴퓨터가 처리할 수 있는 선언적인 형태로 표현한다. 가장 진보된 연구는 전문가 시스템(Expert System)으로, 사람의 의사 결정을 흉내내는 컴퓨터 시스템이었다.

그러나 상징적 인공 지능은 전문가의 도메인 지식에 크게 의존하며, 도메인 지식과 의사 결정 규칙을 직접 하드 코딩해야 한다는 단점이 있다. 한계에 부딪힌 전문가들은 인공 지능에 회의감을 가졌고, 인공 지능 연구는 긴 침체기를 겪었다.

상징적 인공 지능이 1950년대를 주름잡을 무렵, 인공 지능의 하위 분야였던 머신 러닝 연구는 비교적 조용히 진행됐다. 머신 러닝은 컴퓨터가 과거 데이터를 학습해 미래 데이터를 예측하는 알고리즘을 말한다.

초기 인공 지능 연구자들은 머신 러닝에 큰 관심이 없었다. 당시에는 컴퓨터 성능이 뛰어나지도 않았고 머신 러닝에 필요한 방대한 데이터를 저장할 수도 없었다. 하지만 머신 러닝의 침체기는 그리 길지 않았다. 2000년대 후반, 머신 러닝의 인기와 함께 인공 지능도 화려하게 부활했다. 이는 대량의 빅데이터를 수집, 저장하고 머신 러닝 알고리즘을 빠르게 실행할 수 있는 프로세서를 갖춘 성숙한 컴퓨터 시스템이 등장한 덕분이다. 이로써 인공 지능 연구도 다시 봄을 맞았다.