மனிதர்கள் எப்படி ஒரு தொழிலையோ அல்லது ஒரு பாடத்தையோ அனுபவத்தின் மூலம் கற்றுக்கொள்கிறார்களோ, அதேபோல் தொழில்நுட்பத்தின் ஒரு அங்கமான மெஷின் லேர்னிங் , Dataக்களை பகுப்பாய்வு செய்யும் விதத்தை தானாகவே கற்றுக்கொள்கிறது. மனிதன் தனது வாழ்நாள் அனுபவத்தின் மூலம் கொஞ்சம் கொஞ்சமாக கற்றுக்கொள்வதை, இந்த தொழில்நுட்பம் மனிதர்கள் கொடுக்கும் பெருமளவிலான Dataக்களை வைத்து சில நிமிடங்களிலேயே கற்று முடித்துவிடுகிறது. இவ்வாறு கற்றுக்கொண்ட தகவல்களை கொண்டு, எந்த தகவலை யாருக்கு வழங்க வேண்டும் என்பதை மிகச்சரியாக முடிவு செய்யும் திறனை இது பெறுகிறது.
மெஷின் லேர்னிங் செயல்பாட்டின் முதல் படி Dataக்களை சேகரிப்பதாகும். எண்கள், எழுத்துக்கள், புகைப்படங்கள், வீடியோக்கள் என Dataக்கள் எந்த வடிவில் இருந்தாலும், அவற்றை இயந்திரங்கள் புரிந்துகொள்ளும் வகையில் டிஜிட்டல் எண்களாக மாற்றப்படுகின்றன. Dataக்களை சேகரிக்கும்போது அதில் ஏதேனும் தவறுகள் இருந்தாலோ அல்லது சில தகவல்கள் விடுபட்டிருந்தாலோ, அவை கண்டறியப்பட்டு சரிசெய்யப்படுகின்றன. இந்த தூய்மைப்படுத்தப்பட்ட தரவுகளே மெஷின் லேர்னிங் சிறப்பாக செயல்பட அடிப்படையாக அமைகின்றன.
Dataக்கள் தயாரான பிறகு, அவற்றுக்கு இடையே உள்ள தொடர்புகளை மெஷின் லேர்னிங் தேடுகிறது. உதாரணமாக, ஒரு நபர் இணையதளத்தில் வழக்கமாக என்னென்ன பொருட்களை பார்க்கிறார் அல்லது ஷாப்பிங் செய்கிறார் என்பதை கணித்து, அதற்கேற்ற ‘பேட்டர்ன்களை’ இது உருவாக்குகிறது. Dataக்களில் ஒளிந்துள்ள இந்த வடிவங்களை கண்டறிந்த பின்னர், மெஷின் லேர்னிங் தனக்கென ஒரு ‘மாடலை’ உருவாக்க தொடங்குகிறது. இது Dataக்களின் தன்மையை புரிந்துகொண்டு செயல்படும் ஒரு வரைபடம் போன்றது.
ஒரு மாணவர் தேர்வுக்கு எப்படி தயாராகிறாரோ, அதேபோல் மெஷின் லேர்னிங் பழைய Dataக்களை பயன்படுத்தி ஒரு கேள்விக்கு என்ன பதிலாக இருக்கும் என்பதை மீண்டும் மீண்டும் பயிற்சி செய்து கற்றுக்கொள்கிறது. இந்த பயிற்சியின்போது மில்லியன் கணக்கான Dataக்களை அலசுவதன் மூலம், ஒரு குறிப்பிட்ட செயலுக்கும் அதன் விளைவுக்கும் இடையிலான உறவை இது ஆழமாக பதிவு செய்துகொள்கிறது. இத்தகைய தொடர் பயிற்சியே இயந்திரங்களுக்கு ஒருவித அனுபவத்தை வழங்குகிறது.
பயிற்சி முடிந்த பிறகு புதிய Dataக்கள் கொடுக்கப்படும்போது, தான் பெற்ற அனுபவத்தை வைத்து அந்த Dataக்கள் எதனுடன் சம்பந்தப்பட்டது என்பதை இயந்திரம் கணிக்கும். உதாரணமாக, ஒரு மின்னஞ்சல் வந்தவுடன் அது தேவையில்லாத Spam செய்தியா அல்லது உண்மையான செய்தியா என்பதை அதன் உள்ளடக்கம் மற்றும் கடந்த கால அனுபவத்தை வைத்து ஒரு சில நொடிகளில் இது கண்டுபிடித்துவிடும். மனிதர்கள் ஒவ்வொரு மின்னஞ்சலாக படித்து பார்ப்பதற்கு முன்பே, மெஷின் லேர்னிங் அதனை துல்லியமாக பகுத்து ஒதுக்கிவிடுகிறது.
ஒருவேளை மெஷின் லேர்னிங் கணிப்பதில் தவறு செய்தால், அது மனிதனிடமிருந்து எச்சரிக்கையை பெற்று அதனை ஒரு பாடமாக கற்றுக்கொள்கிறது. அடுத்த முறை அதே போன்ற சூழல் வரும்போது அந்த தவறு ஏற்படாத வகையில் தன்னை தானே திருத்திக்கொள்கிறது. ஒவ்வொரு முறையும் Dataக்களை பகுப்பாய்வு செய்யும்போதும், முந்தைய தவறுகளை தவிர்த்து துல்லியமான முடிவுகளை கொடுக்கும் சதவீதத்தை இது அதிகரித்துக்கொண்டே வரும். இறுதியில், இது வெறும் கணக்கீடு மட்டுமல்லாமல், Dataக்களுக்குள் ஒளிந்துள்ள ரகசியங்களை கண்டுபிடித்துத் துல்லியமான முடிவுகளை தரும் ஒரு நவீன தொழில்நுட்பமாக விளங்குகிறது.