人工智能（AI）基于 机器学习系统，但这一表述需要结合不同维度的理解：

核心构成

AI系统由硬件（如CPU、GPU、存储设备）和软件（如算法、操作系统）组成，具备自主性、适应性和基于输入生成输出的能力，例如预测、决策或内容生成。

与传统软件的区别

AI系统通过数据驱动而非固定规则进行决策，具有自我学习和优化的能力。例如，深度学习模型通过大量数据学习特征，而传统软件通常依赖预定义的逻辑。

机器学习系统的特点

数据驱动：

依赖大量数据训练模型，数据质量直接影响性能。

自我优化：通过反馈机制调整模型参数，提升准确性。

应用领域：包括自然语言处理（如GPT）、计算机视觉、推荐系统等。

其他相关概念

深度学习：

机器学习的一个分支，基于多层神经网络模拟人类认知，是当前AI领域的主流技术。

规则型AI：基于预设规则解决问题，如专家系统（如CYC）。

综上，AI系统的基础是机器学习系统，但其发展已扩展到包括深度学习、强化学习等多种技术，形成多层次的智能体系。