Selbstlernende algorithmische Systeme machen nichts anderes, als in einem riesigen Datenmengen selbständig nach Mustern zu suchen, die ein Mensch nicht oder nur mit größter Anstrengung erkennen würde. Daher eignen sich solche Systeme insbesondere für repetitive Aufgaben wie etwa die Suche nach Auffälligkeiten, Abweichungen oder Gemeinsamkeiten in Datensätzen. Darüber hinaus können AI-Systeme relevante Muster erkennen, nach denen ein Mensch womöglich überhaupt nie gesucht hätte, wobei sie im Gegensatz zu Menschen nie müde oder frustriert werden. Selbstlernende algorithmische Systeme arbeiten ohne Pause und können theoretisch unbegrenzt mit weiteren Daten gefüttert werden, d. h., in diesem Sinne lernen sie. Solche Systeme sind etwa sehr gut darin, zuverlässig Bilder zu bewerten, wobei nachgewiesenermaßen selbstlernende Algorithmen Hautkrebs vergleichsweise kompetent oder sogar sicherer klassifizieren als Dermatologen. Vor allem eine Kombination aus Algorithmus und Mensch hat eine besonders geringe Fehlerquote etwa bei der Beurteilung von MRT-Aufnahmen. Man bezeichnet diese Zusammenarbeit als Human-in-the-loop, wobei es darum geht, Menschen nicht zu ersetzen, sondern zu entlasten.
