آنچه يک ماشين هوش مصنوعی را از ديگر سيستمهای اتوماتيک متفاوت می نمايد اين است که اخذ تصميمات در اين ماشینها به صورت Hard code (از پیش مشخص شده) نمی باشد و ماشین تصمیمات خود را بر اساس آنالیز داده هایی که اخذ کرده اتخاذ می کند و همین امر باعث هوشمندی چنین ماشینی می گردد.
یادگیری يک ماشين هوش مصنوعی از خودش و شناسایی الگوها از میان حجم عظیمی از داده هایی که ماشین جمع آوری کرده است هسته اصلی توانمندی يک ماشین AI است.
مثالی از يک ماشین AI ماشین Deep Mind شرکت گوگل است که برای بازی GO طراحی شده است. نسلی از اين ماشين توسط شرکت گوگل به وجود آمده است به نام AlphaGo Zero که ماشين در نتيجه بازی با خودش در بازی go متبحر می گردد. در اين نوع ماشين برای یادگیری به نظارت انسان نیازی نمی باشد. اين ماشين با اینکه برای بازی شطرنج طراحی نشده است اما ظرف مدت 4 ساعت با بازی با خودش می تواند به توانمندی در حد يک انسان شطرنج باز در بازی شطرنج دست یابد. اين ماشین استراتژی برد خود را در هر بار بازی خود طراحی می نماید.
یک برتری یادگیری ماشین نسبت به دیگر تکنیکها، تلرانس و یا انعطاف نسبت به یادگیری از داده کثیف (Dirty Data) است. منظور از داده کثیف داده ایی است که شامل رکوردهای تکراری، فیلدهای نادرست، داده های نا کامل و یا غیر صحیح و یا تاریخ مصرف گذشته است. قابلییت انعطاف یادگیری ماشین طی زمان به معنای پردازش داده های کثیف با دقت بالاتر است.
یادگیری در یک ماشين هوش مصنوعی بر اساس شبکه های عصبی صورت می گیرد. شبکه های عصبی نورونهای مغز را در دنیای واقعی شبیه سازی می کنند. در این شبکه هر نود یک ورودی دریافت میکند و State خود را بر اساس آن تغییر داده و یک خروجی تولید مینماید. این شبکه ها اساس یکی از قدرتمندترین تکنولوژی های پردازش به نام Deep Mining را تشکیل می دهند. در این تکنولوژی از چندین لایه فیلتر برای یادگیری ويژگی های داده های موجود در يک مجموعه استفاده می گردد و خروجی هر فیلتر ورودی فيلتر بعدی است در واقع هر فیلتر سطح Abstraction متفاوتی از داده را ایجاد میکند. از این تکنیک در شناسایی چهره استفاده می گردد.
با اینکه در حال حاضر ماشین General AI وجود ندارد اما Narrow AI های موجود کارهای شاخص بسیاری را در حوزه صنعت و تجارت انجام میدهند. در حوزه اتوماسیون AI پیشتاز است و با وجود ماشینهایی که از رفتار انسان تقلید می نمایند، AI در حال گذر از انجام امور مبتنی بر قوانین به سمت انجام کارهایی است که نیازمند داوری انسان است و اين موضوع فرصتهای بیشماری را در اين حوزه ايجاد نموده است.
در کشور آمریکا و برخی از شهرهای کشور آمریکا مانند سان فرانسیسکو از بایومتریک و شناسایی چهره مسافران با استفاده از يک عکس سلفی برای Check In کردن مسافران در هتلها استفاده می گردد. خطوط هواپيمایی آمریکای جنوبی نيز برای
بهبود تجربه مشتری از يک Bot به نام Clara بر روی فیس بوک استفاده می نمايند تا به مشتریان در مدیریت سفرهايشان ياری کنند. Clara با صدای طبیعی و بر روی يک پلتفرم آشنا با مشتريان ارتباط برقرار می کند. و مشتريان به اين روش فرايند Check in و بازبینی اطلاعات سفر خود را و وضعيت پروازی خود را به راحتی کنترل می نمایند. در حوزه خانه های هوشمند نیز از AI استفاده زیادی می گردد. در اين حوزه شرکت آمازون و گوگل رقابت تنگاتنگی با یکديگر دارند البته مباحثی نیز در اين حوزه در مورد داده های خصوصی مشتريان و حق مالکيت آنها در جريان است اما آنچه که در اين حوزه زياد به چشم میخورد استفاده از صدا به عنوان يک UI پذيرفته شده برای تعامل با انسان است. پیش بینی می گردد که تا سال 2020 صددرصد پروژه های IOT توسط هوش مصنوعی پشتيبانی گردد.