بیش از ۵۰ سال است که دانشمندان درصدد هستند که از کامپیوتر‌ها برای انجام کارهایی که به‌طور معمول نیازمند هوش انسانی است، استفاده کنند.

در ابتدا تصور بر این بود که با چند ماه کار تعدادی برنامه‌نویس خواهند توانست کارهایی از قبیل ترجمه‌ی ماشینی،استنتاج منطقی، و امثال آن را با استفاده از کامپیوتر انجام دهند. اما بررسی‌های بعدی نشان داد که کار به این سادگی نیست. در حقیقت، تصورات ابتدایی بسیار ساده‌انگارانه بود.

مشکل اساسی این بود که سخت‌افزارهای ۵۰ سال پیش هنوز قابلیت انجام کار‌های هوشمند را نداشت. البته نگرش منطقی آن روز نیز برای انجام این کارها کفایت نمی‌کرد.

خوش‌بختانه، در طول یکی دو دهه‌ی گذشته، با پیشرفت‌های عظیم سخت‌افزار و هم‌چنین با پیشرفت روش‌های مختلف برنامه‌نویسی هوش مصنوعی، امروز شاهد پیشرفت‌های شگرفی در این زمینه هستیم، به‌طوری‌که بسیاری از آرزو‌های ۵۰ سال پیش امروزه دور از دسترس به نظر نمی‌رسد.

شاخه‌ای از هوش مصنوعی که امروزه بیشتر مورد توجه قرار می‌گیرد، یادگیری ماشینی است. یکی از انواع یادگیری ماشینی، به نام یادگیری عمیق، در طول ۵ تا ۶ سال گذشته به‌شدت پیشرفت کرده و به موفقیت‌های بزرگی نایل شده است.

یادگیری ماشینی تا حدودی شباهت به روش‌های آماری دارد، به‌طوری‌که گاه به آن یادگیری آماری نیز می‌گویند. اساس روش یادگیری ماشینی به‌صورت پیش‌بینی یک متغیر بر اساس داده‌های گذشته است. در حقیقت، سیستم یادگیری ماشینی با استفاده از مجموعه‌ای از داده‌های موجود آموزش داده می‌شود، تا بتواند در مواجهه با موقعیت آینده پیش‌بینی صحیحی را به عمل آورد.

همان‌گونه که گفته شد، یکی از عواملی که موجب موفقیت شگرف و چشم‌گیر هوش مصنوعی، و به ویژه یادگیری ماشینی و یادگیری عمیق، در طول دهه‌ی گذشته شده است، پیشرفت‌های شگرف سخت‌افزار و سرعت کامپیوتر و ظرفیت داده‌پردازی آن بوده است. با این حال، یکی دیگر از عواملی که در این زمینه بسیار اثرگذار بوده است، فراهمی و دسترسی به حجم عظیم داده‌ها بوده است، که به‌علت توسعه‌ی انواع حسگرها، کامپیوتر‌های موبایل، و امثال آنها، به‌شدت گسترش یافته است.