人類對世界的認識是理論來源于實踐又服務于實踐的過程。作為對人類認知行為的近似，機器學習、深度學習和強化學習的過程也是認知來源于世界又服務于世界的過程。當離開人類的參與，這一行為完全由計算機自主實現(xiàn)時，這一過程表現(xiàn)為建立在機器學習、深度學習、強化學習（為表達方便，除非特別指出，采用機器學習代表三種學習形式，下同）基礎之上的自組織過程。

交換是經(jīng)濟社會中一種常見的基本的經(jīng)濟形式。現(xiàn)代交換經(jīng)濟中，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。機器學習又將這個數(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)之間的關系。

人類最重要的兩個智能行為是學習和解決問題的能力。機器學習是讓計算機模擬和實現(xiàn)人類的學習，以獲取解決問題的知識。專家系統(tǒng)是基于經(jīng)驗的學習，也是機器學習的初級方式。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)驗的學習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。機器學習是基于數(shù)據(jù)或樣本的學習，為解決知識獲取的問題提供了有效的途徑。它使得計算機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，從而在反復學習中不斷逼近問題以及解決方案的本質(zhì)。

機器學習被列為人工智能的核心技術，它以知識處理為主體，利用知識進行推理，完成人類定性分析的部分智能行為。人工智能技術融入決策支持系統(tǒng)后，使決策支持系統(tǒng)在模型技術和數(shù)據(jù)處理技術的基礎上，增加了知識推理技術，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。