機械学習とは、明示的な手続きを人間が書き下す代わりに、データと目的関数、評価基準を与えることで、システム自身がその目的に適した振る舞いを獲得していく手法の総称である。統計的な回帰やクラスタリングから、多層のニューラルネットワークを誤差逆伝播法で最適化する深層学習まで幅広い技法を含み、画像認識、音声処理、自然言語処理、そして画像や音の生成へと応用されてきた。
近年「生成AI」と呼ばれるものの多くは、大規模なデータで訓練された巨大な深層学習モデルを用いた出力システムである。この種のシステムでは、人間が「どのような出力を得たいか」という方向性を上位から与え、モデルがその条件に合う出力を探索するため、生成過程はトップダウン的な性格を帯びやすい。同時に、内部表現や判断の根拠が人間には解釈しにくく、ブラックボックス化しやすいという性質も指摘される。
機械学習は既存モデルの利用にとどまらず、作家が自らデータセットを構築しモデルを訓練する制作手法としても展開している。写真アーカイブから独自の拡散モデルを訓練するケヴィン・アボッシュの「合成分光学」はその一例である。また人工生命や自己組織化の研究にも取り込まれており、ニューラル・セル・オートマトンではセルオートマトンの局所更新則そのものをニューラルネットワークで表現し、形態形成やテクスチャ合成といった目的に向けて学習させる。ルールを設計するのではなく振る舞いを学習させるという発想が、生成表現の領域にも及んでいる。