Agent uczy się, czy poprawia swoją wydajność po dokonaniu obserwacji świata. Nauka może wahać się od trywialnych, takich jak spisanie listy zakupów, do głębokich, jak wtedy, gdy Albert Einstein wywnioskował nową teorię wszechświata. Kiedy agentem jest komputer, nazywamy to uczeniem maszynowym: komputer obserwuje pewne dane, buduje model na podstawie danych i używa modelu zarówno jako hipotezy o świecie, jak i oprogramowania, które może rozwiązać problemy. Dlaczego mielibyśmy chcieć, aby maszyna się uczyła? Dlaczego nie po prostu zaprogramować go we właściwy sposób na początek? Są dwa główne powody. Po pierwsze, projektant nie może przewidzieć wszystkich możliwych przyszłych sytuacji. Na przykład robot zaprojektowany do poruszania się po labiryntach musi nauczyć się układu każdego nowego labiryntu, jaki napotka; program do przewidywania cen na giełdzie musi nauczyć się dostosowywać, gdy warunki zmieniają się od boomu do spadku. Po drugie, czasami projektanci nie mają pomysłu na samodzielne zaprogramowanie rozwiązania. Większość ludzi jest dobra w rozpoznawaniu twarzy członków rodziny, ale robią to podświadomie, więc nawet najlepsi programiści nie wiedzą, jak zaprogramować komputer, aby wykonać to zadanie, z wyjątkiem użycia algorytmów uczenia maszynowego.