数据发掘（DataMining）是人工智能比较常见的使用方向之一。数据发掘，望文生义，是一种在海量而且看似毫无相关的数据中寻觅出很多或许有用或许没用的开展规律，使用于新的数据而且得出结论的人工智能使用方向。在给定很多数据的情况下，机器能经过对已有数据进行学习得到一个量化或许非量化的模型，并将其使用于新得到的数据中。

　　在美剧《疑犯追寻》里，人工智能TheMachine就运用了典型的数据发掘，而两位男主人公前期也基本是依托TheMachine供给的社保号码来寻觅救助目标，预防违法。不过这个人工智能，从始至终都没有对获取的信息进行过单纯的判别，它只是在一个模型中经过很多的核算和分类，然后选出权重最高、特征最显着的一个号码。这种只是提取最显着特征而不触及任何智能化判别的使用，便是典型的数据发掘技能。

　　在这里，数据发掘成为了统计分析方法学的延伸和扩展，它可以在猜测违法方面起到令人满意的准确度，但一起也对使用者的要求很高。不过跟着核算机才能的不断增强，人们也能完结难度较高的数据发掘作业。而一些新式的人工智能技能在数据发掘范畴也取得了很好的作用，如神经元网络和决策树，在足够多的数据和核算才能下，它们几乎不必人的照顾，就能主动完结许多有价值的功用。数据发掘利用了人工智能和统计分析这两门都致力于形式发现与猜测的学科所带来的优点，将这些深邃杂乱的技能封装起来，使人们不必自己把握这些技能也能完结相同的功用，而且可以更专心于自己所要处理的问题。

　　除了简略的数据发掘，还有一些人工智能则或多或少运用了“学习”的思想在里面，比方《黑镜》第三季“全网公敌”中的AI。在这种情况下，人工智能不再是单纯作为“核算模型”的人物，它会经过不断地学习和概括开展具有自己的价值观，并在查询过程中起到很大协助。

　　事实上，人工智能的所谓价值观从某种程度上来说，也是核算得出的产品，人工智能就像智商杰出可是没有任何善恶观的小孩子。人们有必要经过不断输入很多数据而且监督人工智能学习到的答案，然后不断批改人工智能自身，终究才会得到一个具有自主判别力的智能程序。