Inteligência Artificial é o que se chama de Deep Learning (Aprendizagem Profunda) e outros algoritmos clássicos.

Quando trabalhamos com Machine Learning, utilizamos algoritmos de Regressão Linear, Regressão Logística, Random Forests, KNN (K-Nearest Neighbors, ou K-Vizinhos Mais Próximos).

Tecnologias como ChatGPT entram na parte de aprendizagem profunda, Deep Learning. Onde você tem um modelo, que chamamos de rede neural, que é composta por várias operações. O ChatGPT no caso utiliza uma camada, layer, chamada de Transformer: https://paperswithcode.com/paper/attention-is-all-you-need, também conhecido como mecanismo de atenção (attention layer).

Existem outros algoritmos de Machine Learning, tais como Haar Cascades: https://pyimagesearch.com/2021/04/12/opencv-haar-cascades/, para fazer detecção de objetos. Esse algoritmo no caso é antigo e é facilmente superado por modelos mais atuais, tais como: https://github.com/ultralytics/yolov5. YOLO (You Only Look Once) é um algoritmo, que compreende uma rede neural e um pós-processamento na saída dessa rede neural. Surgiu primeiramente nesse artigo aqui: https://arxiv.org/abs/1506.02640 . Ao longo do tempo sofreu várias modificações e melhorias.

Ai uma pergunta que você pode fazer, qual a barreira que diferencia o machine learning do deep learning? Normalmente a gente considera o número de parâmetros que você precisa otimizar. Uma rede neural nada mais é do que um grafo orientado, onde cada nó representa uma operação (Convolução, Multiplicação de Matriz, Soma e etc...) e as edges representam pra onde que a saída daquele nó vai. Um ChatGPT, por exemplo, possui bilhões de parâmetros para você otimizar, talvez mais mas não me lembro de cabeça.