Expert system vs machine learning

سلام و درود دوستان ،
اساسا یکی از تعاریف هوش مصنوعی اینه که یه سیستم هوشمند باید قادر به مدلسازیِ دنیای بیرون درون خودش باشه یا به عبارت ساده‌تر باید بتونه تصویری از دنیای بیرون رو درون خودش نگهداری کنه.
مثلا دنیای بیرون در سیستمهای خبره (expert systems) که از روشهای قدیمی هوش‌مصنوعی بودند در قالب مجموعه‌ای از قوانین مدل میشد .

اما در شبکه‌های یادگیری عمیق امروز دنیای بیرون خیلی شبیه به مغز انسان در قالب مجموعه قوت و ضعف رشته‌های عصبیِ بین نورونهای مغز ( نود ها در سیستم عصبی مصنوعی ) نرم‌افزار هوشمند مدل میشه.

در همین راستا، اساسا معنای یادگیری ماشین Machine learning (که یکی از دروس رشته هوش مصنوعیه) اینه که ربات بتونه این مدل درونیش رو با آزمون و خطا هر چه شبیه‌تر کنه به دنیای بیرون تا رفتارهای دنیای بیرون رو با دقت بیشتری پیش‌بینی کنه. و بنابراین نمونه‌های مختلفی از این نگاه سابجکتیو انسان‌گونه رو در سیستمهای هوشمند می‌بینیم که بر اساس تئوری ماشین لرنینگ( یا بطور جزئی تر دیپ لرنینگ ) ساخته شدند …

سوالی که از شما دارم
اینکه که اینجا چه تفاوت های ماهیتی میان سیستم های خبره( expert system ) با همون روش های کلاسیک

با سیستم هوش مصنوعی بر اساس تئوری یادگیری ماشین ( machine learning) وجود داره؟

و مزایا و معایب و نقاط ضعف و قوت هر کدوم از اینها نسبت ب هم چیه؟

و ایا روش های قدیمی محدودیتی داشتند ؟؟ و از لحاظ تئوری استفاده از اونها در حال حاضر مناسب نیست؟