人類對世界的認(rèn)識是理論來源于實踐又服務(wù)于實踐的過程。作為對人類認(rèn)知行為的近似，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的過程也是認(rèn)知來源于世界又服務(wù)于世界的過程。當(dāng)離開人類的參與，這一行為完全由計算機(jī)自主實現(xiàn)時，這一過程表現(xiàn)為建立在機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)（為表達(dá)方便，除非特別指出，采用機(jī)器學(xué)習(xí)代表三種學(xué)習(xí)形式，下同）基礎(chǔ)之上的自組織過程。

交換是經(jīng)濟(jì)社會中一種常見的基本的經(jīng)濟(jì)形式�，F(xiàn)代交換經(jīng)濟(jì)中，物理世界的產(chǎn)品流通過與信息流結(jié)合，將現(xiàn)實世界映射到數(shù)字的世界。機(jī)器學(xué)習(xí)又將這個數(shù)字的世界映射到有限維或無限維的空間中，局部的或整體的空間中，呈現(xiàn)出結(jié)構(gòu)與結(jié)構(gòu)之間的關(guān)系。

人類最重要的兩個智能行為是學(xué)習(xí)和解決問題的能力。機(jī)器學(xué)習(xí)是讓計算機(jī)模擬和實現(xiàn)人類的學(xué)習(xí)，以獲取解決問題的知識。專家系統(tǒng)是基于經(jīng)驗的學(xué)習(xí)，也是機(jī)器學(xué)習(xí)的初級方式。專家系統(tǒng)利用專家的知識來解決實際問題，解決問題的能力達(dá)到了專家水平。但是專家系統(tǒng)在發(fā)展過程中遇到了不少的困難。一方面，從專家那里獲取知識是一項既費時又費力的困難工作。專家能在實際中有效地解決問題，但要專家整理出自己的知識和經(jīng)驗，他往往無從下手。這為知識獲取帶來了困難，形成了知識獲取的瓶頸現(xiàn)象。另一方面，基于經(jīng)驗的學(xué)習(xí)雖然在解決問題上具有一定功效，但是卻難以反映問題以及解決方法的本質(zhì)特征。機(jī)器學(xué)習(xí)是基于數(shù)據(jù)或樣本的學(xué)習(xí)，為解決知識獲取的問題提供了有效的途徑。它使得計算機(jī)可以從大量實例中自動歸納，產(chǎn)生描述和抽象這些實例的一般規(guī)則知識，從而在反復(fù)學(xué)習(xí)中不斷逼近問題以及解決方案的本質(zhì)。

機(jī)器學(xué)習(xí)被列為人工智能的核心技術(shù)，它以知識處理為主體，利用知識進(jìn)行推理，完成人類定性分析的部分智能行為。人工智能技術(shù)融入決策支持系統(tǒng)后，使決策支持系統(tǒng)在模型技術(shù)和數(shù)據(jù)處理技術(shù)的基礎(chǔ)上，增加了知識推理技術(shù)，使決策支持系統(tǒng)的定量分析和AI的定性分析結(jié)合起來，從而提高輔助決策和支持決策的能力。