因AI成為當今主流的智能學習工具，所以要對以往的方法進行改善。同時，通過對數據的活用，可以獲得以前無法得到的答案。而且，這條道路今後很可能會有更長遠的發展。那麽，智能學習具體是怎樣的一種方法呢？
在講智能學習之前，首先說明一下以前是怎樣對計算機發出指令的。在考慮對計算機發出指令時，有3個必要因素：輸入（input），程序算法，輸出（output）。
其中最重要的就是程序算法。充分考慮這個程序（程序算法），是對計算機發出指令的基礎。由人去努力思考程序算法，就是一直以來使用的方法。
而另一方麵，智能學習的話，作為基礎的程序（程序算法）不是由人來擬定，而是由計算機通過學習後自己去擬定的。可以大致理解為，計算機根據大量的輸入數據和與之對應的輸出數據，計算出輸入和輸出之間的相關性。
這樣一來，人應該做的事，就不是思考程序算法，而是準備大量的輸入數據和輸出數據了。在這個過程中，計算機會根據數據來找出輸入和輸出之間的關聯性，也就是可以發現程序算法。
我們用事例來進行補充說明。
例如，假設現在要擬定一個程序算法，輸入是照片，輸出是表情認知，即識別照片裏的臉是在生氣、是在笑還是哭。
在這種情況下，如果使用以前的方法，就要對頭像照片的要素進行分解，指定哪個部位應該怎樣觀察，在怎樣的條件下判斷為“在生氣”，在怎樣的條件下判斷為“在笑”，這些都是由人來思考並擬定程序算法。
相對地，如果采用機器學習的方法，最初的一步是準備輸入和輸出的數據。要準備多張頭像照片作為輸入數據，並且判斷照片裏麵的表情是“在生氣”，還是“在笑”，或是“在哭”，作為輸出的數據來使用。