AI to szeroki termin, który odnosi się do każdego systemu, który naśladuje ludzką inteligencję, na przykład poprzez uczenie się na podstawie doświadczeń i podejmowanie decyzji. Uczenie maszynowe to specyficzna technika AI, która wykorzystuje algorytmy do uczenia się z danych. Głębokie uczenie to inny rodzaj uczenia maszynowego (w przeciwieństwie do klasycznego lub symbolicznego rozumowania), który odnosi się do korzystania z wielu warstw sieci neuronowych w celu symulacji sposobu działania mózgu. Sieci neuronowe to połączone ze sobą węzły, które współpracują w przetwarzaniu równoległym, przy czym każdy węzeł wykonuje proste obliczenia na danych przed przekazaniem ich do dalszej analizy. Różnica między sztuczną inteligencją a uczeniem maszynowym jest podobna do rozróżnienia między przetwarzaniem języka naturalnego (NLP) a botami konwersacyjnymi: NLP koncentruje się na wydobywaniu znaczenia z danych takich jak zdjęcia czy dokumenty tekstowe; boty konwersacyjne próbują przekonująco naśladować rozmowę z człowiekiem poprzez technologie rozpoznawania mowy i rozumienia języka naturalnego.
Te dwie dziedziny pokrywają się tak ściśle, że często używa się ich zamiennie, ale są też między nimi pewne subtelne różnice – na przykład: Deep Learning istnieje od co najmniej 2006 roku, kiedy Google pokazał „Google Brain”; natomiast dopiero w 2014 roku IBM-owski Watson był w stanie poradzić sobie z pytaniami Jeopardy na tyle dobrze, by ludzie rozpoznali, jak bardzo zaawansowana stała się tego typu technologia!