机器学习是热门的人工智能中的重要环节，让机器学习人类已经熟悉的事物，像是自然语言处理、图像识别等，通过机器学习，机器将变得更为聪明，能够以更自然的方式，与人类进行互动，也能够协助人类做更多的事。
机器学习是人工智能的发展关键
在AlphaGo Master连续60场打败世界顶尖的人类围棋棋士之后，在某些特定应用的人工智能发展，已经达到超越人类的境界。更令人惊叹的是，AlphaGo是通过学习人类数千年来的棋谱，利用计算机飞快的指令周期来超越人类，新一代的AlphaGo Zero，则只是了解了围棋的基本规则后，在不参考人类的棋谱之下，在短短三天便击败了已经打遍人类无敌手的AlphaGo Master，展现出机器的惊人学习能力。
机器学习如果只是设计用来在游戏中击败人类，打击人类的自信心，那这门科学发展的意义便不大了。事实上，机器学习的目的是为了改善人类的生活，让机器能够拥有接近人类甚至超越人类的能力，其应用包括能够跟人类以口语沟通的自然语言处理，以及像是数据探勘、机器视觉、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。
机器学习是人工智能的一个分支，也是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及机率论、统计学、计算复杂性理论等多门学科，机器学习可从数据中自动分析以获得规律，并利用规律对未知数据进行预测。
以机器人为例，机器学习必须要让机器人懂得人类的语言，并与人类交谈、互动，通过机器视觉，它必须能够辨识它所看到的物件，究竟是人类还是一只狗，或只是一张桌子，甚至它要能够看得懂人类的表情变化，理解语言之外是否有其弦外之音，并能够做出正确的互动。
此外，机器学习也可以判断出人类上传到网络上的图片、影片的内容，其中是否有色情、暴力的内容，适时地做出分类警示，或是提早发现有人想要自杀，或是想要做出恐怖攻击，适时地采取行动来加以阻止。 在商业应用上，机器学习可以比对多年来的股市、汇市变动，发现其中的规则，当出现特定的条件时，及时提出建议，协助投资者做出有利的投资选择。在医疗应用上面，机器学习也可以通过比对大数据的病历数据，来协助医生进行专业的医疗判断，这都将改善人类未来的生活。
尽管机器学习已经存在了数十年，但两个相对较新的趋势已经引发了机器学习的广泛使用：大量的训练数据的可用性，以及由GPU计算提供的强大且高效的并行计算能力。机器学习在软件方面，仰赖的是各种先进的演算法与大数据分析，在硬件方面，则有赖高速的处理器与云运算，来加快数据分析、处理的速度。
业界和学术界的数据科学家们一直在使用GPU来进行机器学习，以在图像分类、视频分析、语音识别和自然语言处理等各种应用方面取得突破性进展。特别是深度学习方面，使用复杂的、多层次的“深度”神经网络来创建可以从大量未标记的训练数据中进行特征检测的系统，这个领域已经看到了重大的投资和研究。GPU使用更大的训练集来训练这些深度神经网络，大幅地减少了运算时间，也可使用较少的数据中心基础设施。GPU也被用来运行这些经过训练的机器学习模型，以在云中进行分类和预测，以更少的功耗和基础设施支持更多的数据量和吞吐量。
早期用于机器学习的GPU加速器采用者，包括许多最大的网络和社交媒体公司，以及数据科学和机器学习方面的顶级研究机构。与单独的CPU相比，凭借数千个计算内核和10-100倍的应用程序吞吐量，GPU已经成为处理大数据的数据科学家首选处理器。
在GPU占有领先地位的NVIDIA公司，也看到了机器学习应用商机，推出了NVIDIA DiGiTS DevBox，这是世界上最快速的桌边型深度学习系统，DiGiTS DevBox提供了探索多种网络架构和加速数据集处理的自由度，让您可以在您的办公桌旁，便可以拥有一个功能强大、节能、酷炫、安静的解决方案。