Ahhoz, hogy megértsük a mesterséges intelligencia (AI) működését nem kell feltétlenül matek és informatikus zseniknek lennünk, attól függetlenül, hogy a gépi tanulás (machine learning) alapja a matematika, logika és a programozás.
Bármilyen rendszer megértéséhez egy járható út a „black box” (fekete doboz) stratégia. Ez azt jelenti, hogy a gép egy fekete doboz és egyelőre nem érdekes, hogy belül hogyan működik. Ami elsődleges, hogy hogyan lép interakcióba a környezetével.
Az első lépés az elérendő cél kiválasztása. A második azon adatok összegyűjtése, amik hatással vannak az eredményre. A harmadik a megfelelő algoritmus kiválasztása, tehát eldönteni, hogy melyik adatnak mi a szerepe a nagy egészre, így a válaszreakcióra nézve is. A modell kiválasztásánál már bonyolódik a helyzet, hiszen rengetegféle modell lehetséges (nem-lineáris regressziótól, a döntési fáig). Itt jön képbe a gépi tanulás: a gép kitanulja, hogy mely modellel számíthatók ki múltbéli, már elemzett szkenáriók eredményei. Így a tesztelt modellel előrejelzések is könnyen készíthetők.