L'apprentissage en intelligence artificielle est communement appelé apprentissage machine (machine learning) ou apprentissage automatique/automatisé (automated learning).

C'est une branche de l'IA qui s'interesse à créer des modélisations automatiquement de l'environement à partir de simples observations et si possible sans connaissance à priori.

Il existe deux grande classes de méthodes dans l'apprentissage machine, les méthodes inductives plus communes nommées apprentissage supervisé, semi-supervisé et non-supervisé, et la méthodes plus déductive nommée apprentissage par renforcements. Cependant ces deux classes ne sont pas mutuellement exclusives et il est tout à fait possible de combiner les deux pour atteindre d'excellents résultats (cf TD-Gammon).

On s'interesse ici principalement à extraire des informations d'un ensemble de données, dont la taille consequente est nécéssaire pour obtenir des résultats probants avec la plupart des algorithmes actuels. Généralement réalisé avec des méthodes statistiques, parfois complexes, il existe cependant d'autres méthodes tels que les méthodes dites graphiques, qui utilisent la géométrie de l'espace dans lequel se trouvent les éléments (rien à voir avec l'aspect graphique des reseaux bayesiens), bien qu'elles puissent se réduire in fine à des statistiques également. (exemples de méthodes grapiques : k plus proches voisins, fenêtres de parzen, arbres de partitionement, machine à vecteurs de support) (exemples de méthodes statistiques : réseaux de neurones, probabilités bayesiennes, reseaux bayesiens, mélanges de gausiennes)

Il faut bien comprendre qu'ici l'ensemble de données, aussi appelé d'entrainement, n'est qu'une représentation partielle des données réelles, et c'est bien la capacité de généralisation que l'on cherche à optimiser, et non pas la capacité d'entrainement seulement. On suppose donc qu'il existe une fonction inconnue (ou distribution) du monde réel de laquelle sont tirés les élements de l'ensemble d'entrainement (et leur annotations le cas échéant), et on cherche à approcher cette fonction avec pour seules connaissances ces éléments.

C'est une forme d'apprentissage qui se base sur un ensemble de données annotés, c'est à dire où chaque vecteur de l'ensemble a une valeur qui lui est associée. Il existe deux types d'apprentissage supervisé, chacun avec son type d'annotations. Les annotations représentant des classes (généralement entières), qui amènent à un travail de classification, et les annotations par nombres réels, qui amènent à de la régression. On peut cependant noter que les deux sont finalement très proches et que les méthodes qui fonctionnent pour l'un fonctionnent généralement pour l'autre.

Il s'agit d'une forme d'apprentissage à mi-chemin entre supervisé et non-supervisé, qui utilise un ensemble de données dont seulement une partie (typiquement faible) est annotée. Récuperer des données non annotées est un processus généralement aisé. C'est très différent quand celle-ci doivent être annotées, puisque demandant très souvent l'intervention humaine. Cette forme d'apprentissage est donc un excellent compromis lorsque l'on cherche à faire de la classification (voir de la regression) mais que l'obtention d'un ensemble complètement annoté est difficile, voir inenvisageable.

Cette forme d'apprentissage travaille avec un ensemble de données non annotées. On essaye ici d'extraire des informations quand à la structure de l'espace dans lequel se distribuent les vecteurs. Deux des principales utilisations sont le partitionnement (clustering), qui cherche à séparer les données en groupes distinct, et la réduction de dimensionalité, qui cherche à réduire la taille des vecteurs en ne gardant que les informations les plus significatives.