1.神经系统模型和决策理论
　　50年代开始。其特点是对开始于无初始结构和面向作业知识的通用学习系统感兴趣。包括构造多种具有随机或部分随机的初始结构的基于神经模型的机器。这些系统一般称为神经网络或自组织系统。由于当时计算机技术状态，该方面的研究多停留在理论和硬件上。这些元件类似于神经元，他们实现简单的逻辑功能。
　　1965年左右，神经网络经验模式导致了模式识别这一新学科以及机器学习的决策理论方法。这种方法中学习就是从给定的一组经过选择的例子中获得判断函数，这些函数大多是线性的、多项式的、或相关的形式的。
　　当时，Samuel(1059-1963)的跳棋程序是最著名的成功的学习系统之一。达到了跳棋大师的水平。
　　2.符号概念获取
　　符号概念获取的学习方法是1975年左右提出的。这类学习过程通过分析一些概念的正例和反例构造出这些概念的符号表示。表示的形式一般是逻辑表达式、决策树、产生式规则或语义网络。
　　采用这类方法的代表性的系统有Winston的ARCH。
　　3.知识加强和论域专用学习
　　此方法是70年代中期开始，沿着符号主义路线进行的。在原有基础上逐步加强、重于专业的专用性。强调使用面向任务的知识和它对学习过程的引导作用。系统包括预先确定的概念、知识结构、论域约束、启发式规则和论域有关的变换。系统在开始并不具有所有的属性或概念，在学习过程中系统应得到一些新的属性或概念。
　　注意：其实并没有绝对的学习方法，许多系统是上述各种途径组合的方法实现的。