머신 러닝은 1990년대 들어와서야 각광을 받기 시작했지만, 고성능 하드웨어와 대량의 데이터셋이 가능해지면서 금방 AI에서 가장 인기 있고 성공적인 분야가 되었습니다. 머신 러닝은 수리 통계학과 밀접하게 관련되어 있지만 통계학과 다른 점이 몇 가지 있습니다. 의학이 화학과 관련 있지만 고유한 속성을 가진 독자적인 체계를 다루기 때문에 의학을 화학에 포함시킬 수 없는 것과 비슷합니다. 머신 러닝은 통계학과 달리 보통 대량의 복잡한 데이터셋(예를 들어 몇만 개의 픽셀로 구성된 이미지가 수백만 개가 있는 데이터셋)을 다루기 때문에 베이즈 분석(Bayesian analysis) 같은 전통적인 통계 분석 방법은 현실적으로 적용하기 힘듭니다. 이런 이유 때문에 머신 러닝, 특히 딥러닝은 수학적 이론이 비교적 부족하고(어쩌면 아주 부족하고) 근본적으로 엔지니어링 분야에 해당됩니다. 머신 러닝은 이론 물리학이나 수학과 달리 경험적 발견에 의해 주도되는 매우 실천적인 분야고 소프트웨어 및 하드웨어의 발전에 크게 의존합니다.