①.机器学习已成为新的边缘科学并在高校形成一门课程。
　　它综合应用心理学、生物学和神经生理学以及数学、自动理论和计算机科学形成机器学习理论基础。
　　②.结合各种学习方法，取长补短的多种形式的集成学习系统的研究正在兴起。
　　多种学习方法的综合不仅仅是人工智能，也是其他相近学科如模式识别等学科的一个发展趋势。人工智能机器学习方面尤其是连接学习和符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题，因此而受到重视。
　　③.机器学习与人工智能各种基础问题的统一性观点正在形成。
　　例如：学习与问题求解结合进行，知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例学习已成为经验学习的重要方向。
　　④.各种学习方法的应用范围不断扩大，一部分已开始形成商品。
　　归纳学习的知识获取工具已在诊断分类性专家系统研究中广泛应用。连接学习在声图文识别中占优势。分析学习用于设计综合性专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在智能机器人运动规划中发挥作用。
　　⑤.与机器学习有关的学术活动空前活跃。
　　除每年一次的国际机器学习研究会外，还有计算机学习理论会议及遗传算法会议等等，多种有关机器学习的国际研讨会。