如何从哲学的角度探索机器学习的实现途径，是机器学习哲学的一部分。机器学习的本体论基础是“存在着一台能够实现足够逻辑功能的通用机器，能够模拟所有的逻辑规律”。那么根据不同的分类标准，可以得出许多不同的可能实现途径；如果从人类认识论的角度来分析，那么机器学习有两种可能实现途径。

第一种途径是演绎推理模式。通过构建一个相对深刻的哲学系统，人类把知识体系进行编码，形成相应的推理规则，机器可以使执行逻辑推理，实现类似于人类的学习功能；在这条途径中，一个隐含的假设是人类拥有的知识是对客观世界的近似表达。第二种途径是归纳统计模式。

统计学为概然性问题提供了一个适当的经验基础，概然性和形而上的信念为选择合适的假说提供了条件，从而使机器能够根据经验自动编写或修改程序，以及获得新知识，增强机器的性能。并且，这两种看似不同的实现方式能不能相互验证呢？如果能的话，如何进行证明仍然是一个有待深入探索的问题。

在这部分里，概然性问题的清晰表述、假说的形成与检验、简单性与可学习性问题等交织在一起，构成了机器学习哲学或者说机器学习研究的一个理论基础。对这些基本概念研究的每一次突破，需要借助于其他非哲学学科领域的发展；同时这些基本概念的每一次突破，都有助于推动机器学习的科学研究。