Kiedy zobaczymy, w jak prosty sposób uczenie maszynowe może zostać zastosowane do problemów prezentujących się jako naprawdę trudne (jak np. rozpoznawanie odręcznego pisma), możemy mieć wrażenie, że użycie uczenia maszynowego do rozwiązania dowolnego problemu to bułka z masłem. Wystarczy mieć tylko odpowiednią ilość danych, aby uzyskać odpowiedź.

Po prostu dostarczamy dane i patrzymy tylko, jak w magiczny sposób komputer rozpoznaje równanie, które dopasowuje się do danych. Trzeba jednak pamiętać, że uczenie maszynowe dobrze pracuje tylko dla tych problemów, które można rozwiązywać przy użyciu posiadanych przez nas danych.

Jeśli więc na przykład próbujemy znaleźć model, który przewidzi ceny pojazdów na podstawie płyt CD znajdujących się w schowku, to ta metoda raczej ma marne szanse powodzenia. Nie istnieje zwyczajnie żadna zależność pomiędzy płytami CD w schowku a ceną pojazdu. Dlatego nie jest ważne, jak mocne będą w tym przypadku próby. Po prostu komputer nie ma szans wydedukować żadnej relacji pomiędzy tymi danymi.

Z użyciem uczenia maszynowego możemy modelować jedynie zależności, które istnieją.

Warto zapamiętać, że jeśli człowiek (ekspert w swojej dziedzinie) ręcznie, przy użyciu dostarczonych my danych, nie podoła jakiemuś problemowi, to komputer tym bardziej sobie z tym nie poradzi. Natomiast algorytmy uczenia maszynowego mogą rozwiązać problem szybciej niż gdyby robił to człowiek.