注：本书属作者免费翻译，如有版权问题，请联系我删除。如有转载，请注明出处。
机器学习不只是一个数据库或编程问题，它也需要人工智能。处在变化环境中的系统应该具备学习能力，否则，我们很难称之为智能。如果该系统能够学习并适应这样的变化，那么系统设计者就无需预见并为所有可能的情况提供解决方案。
对我们来说，系统设计师是进化来的，我们的身形以及内在的直觉和反应已经进化了数百万年。我们也学会在一生中改变我们的行为，这有助于我们应对环境中的变化，这些变化无法通过进化来预测。在定义明确的环境中具有短暂生命的有机体可能会内置所有行为，但是，比起为我们在生活中可能遇到的所有环境都直接写下各种行为，进化给了我们大脑和学习的机制，以便我们可以通过经验更新自己并适应不同的环境。这就是为什么人类能够在世界上不同的环境和条件下生存并繁荣的原因。当我们在某种特定情形中学到了最佳策略，该知识就会存储在我们的大脑中，当该情形再次出现时-当我们认出这种情况时（“cognize”的意思是知道）-我们会回想起合适的策略并采取相应的行动。
我们每个人，事实上每个动物，都是数据科学家。我们通过感官收集数据，然后处理这些数据得到抽象规则，以认知我们的环境、控制我们的行为，从而使我们的痛苦最小化并/或我们的快乐最大化。我们通过记忆把这些规则存储在大脑中，然后在有需要时再回忆并使用这些规则。学习是终生要做的事。当这些规则不再使用时，我们会忘记它们，当环境发生变化时，我们会改进它们。
学习也有其局限性。我们的大脑能力有限，有些事情可能我们永远也学不会，就像我们永远“学不会”长出第三个胳膊，或将眼睛长在后脑勺上---这些事情需要更改我们的基因组成才能做到。粗略地讲，基因定义了祖祖辈辈使用的硬件，而学习定义了一个人一生中在该硬件上运行（并受到约束）的软件。
人工智能从大脑的运作方式上获得灵感。有些认知科学家和神经科学家，他们的目标是理解大脑的运作方式。为了该目标，他们构建了神经网络模型，并进行了模拟研究。但是人工智能是计算机科学的一部分，我们的目标是在各个工程领域构建有用的系统。所以，尽管大脑给了我们启发，但是最终我们却并不关心我们开发的算法的生物合理性。
我们之所以对大脑感兴趣，是因为我们认为它可以帮助我们构建更好的计算机系统。大脑是一种信息处理设备，它具有不可思议的能力，超越了当前许多领域的工程产品-例如，列举三个有视觉、语音识别和学习。如果在机器上实施，这些应用具有明显的经济效用。如果我们能够理解大脑如何执行这些功能，我们就可以将这些任务的解决方案定义为正式的算法并在计算机上实现它们。
曾经计算机被称为“电子大脑”，但是计算机和大脑并不同。通常计算机具有一个或几个处理器，而大脑却拥有大量的处理单元，也就是神经，并行处理。尽管细节尚不完全清楚，但人们认为处理单元比计算机中的典型处理器更简单更慢。使大脑不同并被认为是为其提供了就算能力的是大脑庞大的连通能力。大脑中的神经元和成百上千的其它神经元有连接，被称作突触，它们并行操作。在计算机中，处理器处于活跃状态，而内存是分离且被动的，但是人们认为在大脑中处理和记忆是通过网络分布在一起的，处理是由神经元完成的，记忆发生在神经元之间的突触上。