Kada razmišljate o mašinskom učenju, najvažnije je da se fokusirate na termin učenje. Šta znači kada neka mašina uči? Koje strategije se mogu koristiti da ona nauči nešto novo?

Zamislite da želite da naučite kako se igra šah. To se može postići na nekoliko načina. Možete angažovati učitelja šaha, koji će vas upoznati sa osnovnim pravilima. Onda će vam pokazali kako se  figure pomeraju po tabli a mogli biste i da vežbate igrajući protiv svog učitelja. On bi tada bio u prilici da nadgleda vaše poteze i pomaže vam kada napravite grešku. Ako niste u prilici da nađete učitelja, mogli biste da gledate kako drugi ljudi igraju šah. U tom slučaju ne biste mogli da im postavljate pitanja, nego samo da gledate i učite. Ako ovo radite dovoljno dugo, verovatno biste na kraju razumeli kako funkcioniše ova igra.

Obe pomenute strategije su primenjive na mašinsko učenje. U prvom slučaju bi mogla da se primeni tehnika koja se zove nadgledano učenje. To znači da će mašina učiti od čoveka koji će joj davati uputstva i tačne odgovore, a zatim pustiti sistem da se sam usavršava. Sa druge strane, postoji mogućnost da mašina uči bez nadzora. U tom slučaju bi trebalo da ona sama preko svojih opažanja dođe do odgovarajućih zaključaka. Od sistema se očekuje da bez obzira što ne poznaje pravila igre sam shvati kako ona zaista funkcioniše.

Kao što i sami možete da pretpostavite, oba pristupa imaju svoje prednosti i nedostatke. Kao i u realnom svetu, da bi se nešto naučilo, morate imati dobrog nastavnika. To znači da nam je neophodna osoba koja zna mnogo o šahu i može da pokaže kako se on igra. Za učenje bez nadzora, sistem mora da ima pristup velikom broju podataka jer je to jedini način da se uoče odgovarajući  šabloni. Dosta toga zavisi i od uzora, jer to moraju biti ljudi koji dobro igraju šah.

Ove tehnike se mogu upotrebiti i za mnogo složenije zadatke od igranja šaha. Kompanije ih koriste da bi stekle uvide u ponašanje svojih klijenata. Uz nadgledano učenje, kompanija poput Amazona bi mogla da identifikuje ljude koji mnogo vremena provode u njihovoj Web prodavnici. Tada bi sistem za mašinsko učenje bio u mogućnosti da analizira ponašanje svakog potencijalnog klijenta i pronađe obrasce koji su karakteristični za velike potrošače.

Za učenje bez nadzora, sistem mašinskog učenja mora da ima pristup svim podacima koji se odnose na klijente neke kompanije. U tom slučaju će on biti u prilici da u njima samostalno pronađe odgovarajuće obrasce i stekne jasnu sliku o potencijalnim kupcima. U konkretnom slučaju, konačni cilj može da bude efikasno oglašavanje jer je to najbolji put do sigurnog kupca.