Az ágenseknek tehát sokféle komponensük van, amelyek sokféleképpen reprezentálhatók az ágensprogramban, így többféle tanulási módszer létezik. Van ugyanakkor egy egyesítő motívum. A tanulás az intelligens ágensekben összefoglalható úgy, mint egy folyamat, amely az ágens minden komponensét úgy módosítja, hogy az összhangba kerüljön a rendelkezésre álló visszacsatolt információval, ily módon növelve az ágens általános teljesítményét. A gépi tanulást végtelenül leegyszerűsítve a következő feladatot adjuk az önállóan tanulni készülő ágensnek: a környezetből érkező adatok hatására végezzen valamilyen cselekvést. A cél az, hogy a cselekvés eredménye a lehető legközelebb essen az elvárt teljesítménymérték szerinti legjobb eredményhez. Ha a cselekvése nem az elvárt legjobb eredménnyel járt, akkor módosítson a cselekvésén, és a következőkben, ha újra ugyanilyen inger éri a környezetéből, akkor más módon reagáljon. A tanuló gép feladata az, hogy a visszacsatolások alapján felépítsen egy rendszert magában, hogy milyen bemeneti ingerre milyen kimenettel reagáljon. Ez természetesen lehet egy összetett, soktényezős bemenet és egy bonyolult cselekvéssor is; minél több tényezőt kell figyelembe vennie a mesterséges intelligenciának, annál komplikáltabb lesz a programja, és annál nehezebb a gépi tanulás útján elérni a legjobb eredményt.