یادگیری ماشین

به عنوان یکی از شاخه های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه ها و الگوریتم هایی می پردازد که بر اساس آن ها رایانه ها و سامانه ها توانایی تعلٌم و یادگیری پیدا می کنند.
آمار
علم داده ها
داده کاوی
استقراء (استدلال استقرائی)
استدلال استنتاجی
استنباط (استدلال استنباطی)
تابع سیگموئید
منطق فازی
الگوریتم تکاملی (Evolutionary algorithm)
الگوریتم ژنتیک (Genetic algorithm)
بینایی کامپیوتر (Computer Vision)
تشخیص گفتار (Speech_recognition)
هوش جمعی (Swarm Intelligence)
خلاقیت ماشین (Artificial creativity)
تصور مصنوعی (Artificial imagination)
یادگیری عمیق (deep learning)
یادگیری تقویتی (Reinforcement learning)
شبکه عصبی (neural network)
شبکه عصبی مصنوعی (artificial neural network)
Gödel machine (برنامه کامپیوتر خود بهبود یابنده)
Artificial General Intelligence
شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می کنید، حتی بدون آنکه بدانید. هر بار که شما یک جستجوی اینترنتی در گوگل یا بینگ انجام می دهید، یادگیری ماشینی انجام می شود چراکه نرم افزار یادگیری ماشینی آن ها چگونگی رتبه بندی صفحات وب را درک کرده است. هنگامی که فیس بوک یا برنامه عکس اپل دوستان و تصاویر شما را می شناسد، این نیز یادگیری ماشین است. هر بار که ایمیل خود را چک می کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه خلاص می کند نیز به همین دلیل است که کامپیوتر شما آموخته است که هرزنامه ها را از ایمیل غیراِسپم تشخیص دهد. این همان یادگیری ماشین است. این علمی است که باعث می شود کامپیوترها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند.
هدف یادگیری ماشین این است که کامپیوتر (در کلی ترین مفهوم آن) بتواند به تدریج و با افزایش داده ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند.گسترهٔ این وظیفه می تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام برداری روبات های دوپا با دریافت سیگنال پاداش و تنبیه باشد.
طیف پژوهش هایی که در یادگیری ماشینی می شود گسترده است.در سوی نظری ی آن پژوهش گران بر آن اند که روش های یادگیری تازه ای به وجود بیاورند و امکان پذیری و کیفیت یادگیری را برای روش های شان مطالعه کنند و در سوی دیگر عده ای از پژوهش گران سعی می کنند روش های یادگیری ماشینی را بر مسایل تازه ای اعمال کنند. البته این طیف گسسته نیست و پژوهش های انجام شده دارای مؤلفه هایی از هر دو روی کرد هستند.