機器學習可應用在數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機器人等領域。機器學習可減少人力的投入及人為錯誤，讓機器去執行特定的任務，不怕累不爭辯，又快又好。
物質科學(Physical Science)與生命科學(Life Science)
探討人工智慧前景前，需要說明一下物質科學與生命科學在本質上的差異。
如果物質與生命二者相同都要受自然物質定律的支配的話，按道理物質身體沒道理可以一直保持站立姿勢。即使起初站立，一旦受外力觸控就會傾倒不再能站立，更沒有道理會超越地心引力，能夠從地上爬起、向上跳躍、移動、溝通或思考。因為生物會自己尋找食物攝取營養產生活動能量，利用能量可以超越自然物理定律之限制，鳥類甚至可以飛向天空，克服地球重力。
人餓了會自己找食物補充能量，受傷可以復原，生命可以自給自足，能改變或適應環境，純物質卻不能辦到。因為生命有變通、適應的能力，處處可見生物超越物質法則的情形。例如：一棵樹可以穿越石頭縫生長，甚至崩裂大石。沙漠可以綻放花海，最深大海可以發現生物。這些都是物質科學尚未了解，無法解釋的事例。
汽車是純粹物質，一旦用盡能源就永遠停留在原處，即使靠太陽能行走，一旦汽車發生故障，也不會自己動起來。物質受環境或控制它的生命體支配，沒有自主能力。
人工智慧與人類智慧的不同
人類大腦雖然運轉傳遞速度(120 m/s)遠不如電腦，但是他有80億個神經元，可以自我組合，在瞬間配合各種感官並行運轉，從事思考、判斷、決策活動。人腦在環境中的變化組合像宇宙一樣豐富，沒有相像的神經細胞，即使雙胞胎他們的思維也都不同。人腦對語義很敏銳，了解語言符號背後的意義及作用，電腦只能遵循語法及規則，對人類習以為常的溝通無能為力。電腦不管多快，一個CPU只能計算一步，並不一定能勝過大腦並行運轉。
人工神經網路研究者約翰·丹可(John S Denker)說：『許多人相信未來會發展出具備高度並行、容錯(fault-tolerant)的電腦。若非看到人腦並行、容錯高效能的活證據，早就因設計艱難知難而退了。』
無論用計算派或聯結派那種演算方式，所發展出的人工智慧與人類智慧都不一樣，只是演算法則而已。人類智慧不僅可以運用知識，還可以參考過去經驗(甚至不是自己直接經驗)，配合理解力、常識、洞察力，選擇最適當方案。並且還可以藉著思維從環境中轉換、結合、開創新的智慧應付新的問題。人工智慧相對有局限性，只能從現有資料、狀態及環境中做有限度的變化。
