Всякая стратегия представляет собой некоторый план или последовательность планов, реализация которых обеспечивает достижение намеченной цели. Тогда стратегия обучения — это такая совокупность действии или методология, которая призвана повышать эффективность функционирования обучаемой системы. Известны несколько основных типов стратегий обучения:
1) путем механического запоминания,
2) с учителем,
3) путем построения дедуктивных выводов,
4) методом аналогий и
5) путем построения индуктивных выводов.

Выбранная стратегия обучения определяет собой механизм поиска в пространстве правил
Модуль обучения ЭС состоит из двух компонентов, один из которых ориентирован на формирование оценок, а другой — на модификацию знаний. Результаты оценивания управляют процедурами модификации.
Правила, которые соответствуют объектам в кратковременной памяти системы, включаются в состав множества конкурирующих правил. В этом множестве каждому из правил поставлена в соответствие его (внутренняя) цена Bi(t), и все они упорядочены по убыванию этой относительной величины. Для запуска выбирается компонент, «предложивший» наивысшую цену, осуществляется его инициализация, а цена, приписанная данному правилу, сообщается для учета во всех правилах множества suppi(t) и добавляется к значениям их силы Sj(t), где j — элемент множества suppi(t). В случае констатации удачного исхода правила, наоборот, соответствующая ему цена может быть выделена из функции Si(t). Даже такая примитивная «экономика» правил приводит к тому, что усиление тех или иных правил осуществляется в зависимости от степени их полезности для системы.

Присваивание значений силы правилам осуществляется в направлении от последнего к первому. Последнее правило не имеет механизма пересмотра его оценки, что ведет к постепенному ослаблению всех правил в цепочке логического вывода. Связанные с этим трудности могут быть несколько облегчены путем придания базе правил способности порождать утверждения, которые могут сопоставляться с результатами реальных наблюдений в системе.

Пересмотр оценок силы правил носит характер процесса обучения, так как он оказывает долгосрочное влияние на поведение системы, т.е. правила, которые давали хорошие результаты, получают все расширяющееся преимущество по сравнению с правилами, приводившими к неудачным исходам. Однако пересмотр оценок силы правил может дать неадекватные результаты, если в рамках правил не обращается первоочередное внимание на установление подходящей системы отношений и ограничений. А отсюда вытекает потребность в структурных изменениях правил.

Модифицирующие операторы. Эффективность тех или иных правил находит свое отражение в показателях их силы и в частоте их использования. (Правило, которое никогда не проверяется и никогда не активизируется, вряд ли будет оценено выше, чем значением, соответствующим полному отсутствию применения.) База правил разделяется на совокупности правил, которым соответствует одинаковый класс логических выводов. По мере разворачивания цепочки логических рассуждений происходит постепенное приращение исходного значения показателя силы правила. Однако в рамках одного класса логических выводов любое такое приращение в большей степени отражает относительную значимость правил и в меньшей — их роль во всей цепочке логических рассуждений.

Когда нужна модификация? Обстоятельства, требующие модификации правил, проявляются в двух существенно различных формах. Во-первых, в случае внезапного выхода из строя одной из частей системы множество правил оказывается усеченным (или вообще исчезает вся база правил) и становится недостаточным для получения полезных и достоверных прогнозов внешней обстановки. Обычно бессистемно порождаемые правила не способны выявить таких системных отказов, пока в системе не произойдет резкой смены ориентации предметной области. Во-вторых, постепенно накапливаемые приращения оценок силы правил на общем для них уровне логических рассуждений являются наиболее подходящими индикаторами потребности в изменениях. Изучение условий, при которых эти приращения увеличиваются, подсказывает правильный путь к определению того, когда и как должны осуществляться модификации. Можно устанавливать пороговые значения стандартного отклонения оценок силы правил. Выход за эти пороги служит сигналом для инициирования операторов модификации множества нарушаемых правил. В такой ситуации может произойти одно из двух событий: 1) несколько правил дадут благоприятный исход по многим аспектам и наберут всю доступную сумму приращений оценок или 2) несколько правил приведут к неудачным исходам по многим аспектам и утратят всю накопленную ими сумму оценок силы. Однако независимо от того, будут ли правила удачными или неудачными, они должны инициироваться, т. е. сопоставляться с фактическими ситуациями в системе. Сила правила и периодичность его применения частично зависят от типов правил, сохранившихся на данный момент в системе правил. Здесь возможны два различных набора правил: 1) специальные правила, которые соответствуют конкретной совокупности утверждений, и 2) общие правила, которые могут соответствовать широкому диапазону утверждений. Задача обучения а данном случае заключается в том, чтобы найти подходящую комбинацию общих и специальных правил, способных обеспечить высокую результирующую эффективность (с учетом того факта, что оценочные функции оказываются смещенными в сторону специальных правил).

Как проводить модификацию? Предусматриваются три основных вида модифицирующих операторов: специализаторы, универсализаторы и рекомбинаторы. Специализация сводится к замене значений переменных литералами или к добавлению ограничений на значения переменных. В то же время универсализация дает прямо противоположные результаты: универсализующие операторы заменяют литералы переменными и удаляют ограничения. Отметим, что в схеме прямой замены предпринимается попытка формирования наилучшего правила поведения при заданных внешних условиях, а не постепенно наслаивающихся друг на друга (с точки зрения специализации и универсализации) совокупностей правил, обеспечивающих наибольшую эффективность функционирования системы. Дополнительное введение экземпляров этих правил с модифицированными операторами может дать желаемый эффект за счет изначального расширения базы правил. Еще одно требование состоит в том, что для этих операторов должны существовать какие-то определенные условия применения. Один из принципов модификации заключается в использовании метаправил при реализации механизмов обучения через процедуры универсализации и специализации. Ниже приведен пример так называемого «бешеного» метаправила универсализации:
ЕСЛИ
(правило_есть ? имя ? система _ правил ? сила? частота ? конкретность)
(система_правил_есть ? система.правил ? средняя _ сила ? средняя_конкретность) (конкретное.правило? конкретность? средняя_конкретность)
ТО
(сопоставить ? новое_правило (сделать _копню ? имя))
(удалить_предикатные.ограничения ? новое_правило)
(заменить_литералы_на _ переменные? новое_ правило).

Это метаправило обеспечивает копирование правил, которые удовлетворяют его ограничениям, удаляет из вновь полученного правила ограничения и заменяет в нем литералы на переменные
Сохранение правил или их отдельных частей — действие, естественное для рекомбинационных операторов. В них используется нотация, характерная для теоретической генетики и примененная впервые в контексте машинного решения проблем. Идея, стоящая за процедурой рекомбинации правил, состоит в том, что способность системы к пропорциональному сочетанию процедур копирования правил и рекомбинации копий с исходной совокупностью правил повышает ее среднюю эффективность, фрагменты удачных правил сохраняются в новых поколениях правил, применяемых с большей частотой, и благодаря этому в среднем они появляются в большем числе правил.

Машинное самообучение — это совсем молодая область исследований, где еще много трудных нерешенных проблем, в том числе проблема скорости обучения, проблема перенасыщения данными и общие проблемы эффективного поиска и эффективного логического вывода. В заключение следует отметить еще и такой вопрос представления знаний, как выбор между наиболее эффективным и наиболее ясным представлением. Эффективность методов обучения при решении крупномасштабных проблем будет определять и эффективность подходов к построению механизмов машинного самообучения, подлежащих разработке.