در سالهای اخیر علاقمندی نسبت به روشهای غیرمتمرکز برای حل مسائل پیچیده ی دنیای واقعی افزایش یافته است. بسیاری از این روشها در حیطه ی سیستم های توزیع شده قرار می گیرند، در این نوع سیستم ها شماری از موجودیت ها برای حل مسائل با یکدیگر همکاری می کنند. ترکیب سیستم های توزیع شده و هوش مصنوعی، تحت نام هوش مصنوعی توزیع شده[1] (DAI)، شناخته می شود. DAI به دو زیر مجموعه تقسیم می شود؛ بخش اول حل مسائل توزیع شده که معمولاً شامل تجزیه و توزیع فرآیند حل یک مساله بین چند نود خدمتگزار[2] و سپس ترکیب آنها برای بدست آوردن راه حل نهایی است. دسته ی دوم راه حلها، سیستم های چند عامله[3] (MAS) هستند، تاکید این نوع سیستم ها روی رفتارهای مشارکتی عاملهایی است که دارای چندین درجه از خودمختاری هستند و در نتیجه پیچیدگی تعاملاتی که با محیط دارند، رشدمی کنند.
یادگیری ماشین به اکتشاف روشهایی برای فرآیند استنتاج خودکار می پردازد و با درنظر گرفتن یک عامل ماشینی که بخودی خود اکتشاف می کند، اغلب از طریق آزمایشات متوالی، چگونگی حل وظیفه ی موردنظر یا کاهش خطا را بررسی می کند.
یادگیری ماشین راه حلی مطلوب برای حل مسائل سیستم های چندعامله است، زیرا پیچیدگی ذاتی اینگونه مسائل منجر به راه حلهایی می شود که حل آنها عملاًبصورت دستی امکانپذیر نیست.