Namísto toho, abyste programátorovi přesně diktovali každé pravidlo pro rozpoznání spamu v e-mailu („když obsahuje slovo ‚výhra‘, je to spam; když obsahuje ‚faktura‘, není“), dáte počítači obrovskou hromadu e-mailů a jen mu ukážete, které z nich byly v minulosti spam a které ne. To je strojové učení (machine learning).
Strojové učení je proces, při kterém se počítač sám z těchto příkladů naučí, jaké jsou typické znaky spamu. Neučí se nazpaměť konkrétní e-maily, ale hledá v nich vzory. Postupem času je tak dobrý, že dokáže s vysokou přesností rozpoznat spam i ve zcela nové zprávě, kterou nikdy předtím neviděl. V podstatě se učí ze zkušeností, podobně jako člověk.
Strojové učení (Machine Learning) je pododvětví umělé inteligence, které se zaměřuje na vývoj algoritmů a statistických modelů, jež počítačovým systémům umožňují „učit se“ z dat. Namísto explicitního naprogramování pro vykonání konkrétního úkolu jsou algoritmy strojového učení trénovány na velkých datasetech, aby v nich rozpoznaly vzory, korelace a skryté struktury. Cílem je naučit model generalizovat tyto poznatky tak, aby byl schopen činit přesné predikce nebo kvalifikovaná rozhodnutí na základě nových, dosud neviděných dat. Základní paradigmata zahrnují učení s učitelem, učení bez učitele a zpětnovazební učení, přičemž každé řeší odlišný typ úloh.