機器學習理論的提出其實要追溯到20世紀50年代了，在1959年的時候，美國的塞繆爾(Samuel)就設計了一個具有學習能力的下棋程式。在1986年的時候，機器學習就從一門邊緣學科變成了一門高校的學科，從而被開始進入高速發展的時期。

這是因為理論總是先於技術的。理論其實是一系列的假設，然後再慢慢透過論證和修正。而機器學習剛剛被假設出來的時候，當時的科技水平是無法論證的，即使是20年代末，電腦的運算能力和網際網路的普及都是不足的，機器根本沒有大量可供學習的素材，自然發展就比較慢了。

而隨著這幾年資訊化的高速發展，我們的晶片技術和通訊技術都得到了發展，足以支撐起機器學習的運算需求了，這個理論才能夠被應用到實際中來。

不僅僅是機器學習如此，其實每個技術的誕生都是如此的，需要非常長的時間。現在我們已經幾乎普及了的通用計算機，其實在1834年就已經被巴貝奇所提出了，他當時構思的分析機就包含了計算機的五個部分：處理器、控制器、儲存器、輸入與輸出裝置。但是，他耗盡了自己畢生的心血，到死都沒能把分析機造出來。原因其實很簡單，因為第一臺通用計算機被製造出來，已經是100多年以後的事情了，而巴貝奇那個年代的製造水平，是根本不可能造得出來這麼緊密的機器的。

而機器學習和資料探勘也是一樣，我們的技術還沒有發展到那個水平，光有理論其實是無濟於事的。