رشد فوق العاده ای که اخیراً در حوزه هوش مصنوعی و کاربردهایش به وجود آمده به موازات توجه روزافزون به «یادگیری ماشین ها» به وقوع پیوسته است. حوزه «یادگیری ماشین» به توسعه نظریه های محاسباتی فرایندهای یادگیری و ساخت ماشین های یادگیری مربوط است. واضح است که قابلیت یادگیری برای هر رفتار هوشمندانه ای ضروری است. اهمیت قایل شدن و هدف گذاری برای قدرت یادگیری ماشین در مرکز برنامه های توسعه هوش مصنوعی قرار دارد.

برای اصطلاح یادگیری ماشین تعریف های متعددی ارایه شده. از جمله این که یادگیری ماشین، توانایی آن در یادگیری از تجربیات گذشته و یا و سوابق و انجام بهتر وظایف است. به عبارتی برای انجام بهتر کارها در آینده از گذشته تقلید می شود.

براساس تعریفی دیگر ماشین ها چیزهایی یاد می گیرند و براساس آموخته ها رفتارشان را به نحوی تغییر می دهند که باعث می شود در آینده وظایفشان را بهتر انجام دهند.

اشیای اصلی که در حوزه این مطالعه قرار دارند مصنوعی هستند.

برنامه ریزی رایانه ای برای بهینه سازی یک عملکرد با استفاده از داده ها و تجربیات گذشته نیز از تعاریف یادگیری ماشین است.

به نوشته سایت Answers یادگیری ماشین فرآیند یا روشی که طی آن یک دستگاه رفتارش را در نتیجه استفاده از تجربیات گذشته و داده ها تغییر می دهد.

رشته «یادگیری ماشین» به دنبال پاسخ این پرسش ها است که ما چگونه می توانیم سیستم هایی رایانه ای بسازیم که با کسب تجربه به طور خودکار بهبود یابند و قوانین پایه ای که بر همه فرآیندهای یادگیری ماشین حاکم اند چه هستند؟» این پرسش ها طیف گسترده ای از وظایف یادگیری را به دنبال دارد. نظیر این که چگونه می توانیم روبات هایی خودکار با توانایی حرکت طراحی کنیم که قادر باشند یاد بگیرند چگونه از تجربیتشان برای حرکت استفاده کنند. همچنین بدانند چگونه به اطلاعات سوابق پزشکی افراد نقب بزنند و بر این اساس بیاموزند که بیماران در آینده چگونه می توانند بهترین پاسخ ها را به درمان ها بدهند. همچنین موتورهای جست وجویی بسازیم که به طور خودکار منافع کاربرشان را به او یادآوری می کنند.

به این ترتیب درصورتی که سیستم قابل اعتماد باشد، ماشین می آموزد با توجه به نوع تجربیات، نوع کار خاصی که انجام می دهد، عملکردش را در انجام وظافیش بهبود دهد. به وظیفه یادگیری ممکن است نام هایی مثل داده کاوی، کشف خود مختار، به روز رسانی پایگاه داده ها و غیره داده شود.

یادگیری ماشین شاخه ای از هوش مصنوعی است. این رشته رشته ای علمی در رابطه با طراحی و توسعه الگوریتم ها است و به رایانه ها اجازه می دهد تا رفتارها را بر اساس داده های تجربی مثل داده های حسگر یا پایگاه داده ها تکامل دهند. یک یادگیرنده می تواند مزایای نمونه ها (اطلاعات) را برای اخذ ویژگی های مورد علاقه بگیرد. داده ها می تواند به صورت نمونه هایی دیده شود که روابط بین متغیرهای مشاهده شده را نشان می دهد. عمده تمرکز تحقیقات مربوط به یادگیری ماشین هم براین اساس بنا شده که ماشین ها به طور خودکار بیاموزند تا الگوهای پیچیده را تشخیص دهند و بر اساس داده ها تصمیم گیری هوشمند انجام دهند.