机器的学习过程与教育中的学习过程非常近似，所以教育的智能化问题与教育中的问题很接近。机器可以标准化学习过程，并提取出学习结果（模型），使结果可迁移、可复制。而人类的知识往往迁移成本更高，比如小王高考取得了高分，但他没法把取得高分的秘诀直接传授给小张。

随着硬件发展和数据量累计，机器学习模型可以从海量数据中学习，而人类的大脑并不能做到这一点。但从同化顺应的角度看，人类最擅长的就是小样本学习并进行举一反三，比如看两张猫狗图片就能大致有个概念，而机器则往往需要海量数据才能做到。机器与人类的学习过程中有很多差别，上面只是其中的一小部分。比较显著的差别是现阶段的机器更适合简单问题、大量数据的高效且准确的预测，而人类更适合复杂状况下面临有限数据做出决策。(www.daowen.com)

教育问题上的机器学习可以被看作一种与教育思维异曲同工的学习方法，二者各有擅长之处。教育机器学习是计算机模仿人类同化和顺应的另一种过程，机器学习时代不断地进行精确的描述实验，而这些重复性的描述实验，比如对汽车的捕捉进行学习，让计算机在不同的角度下都能认识到这是台车，后来发展到拟人的平台上，可以用最简短的办法让它识别车，而通过不断学习训练将会获得更精准的建模，这就是一种同化顺应概念的加强过程。当一个问题形成以后，会改变一些结构性的概念，比如说新的汽车出现了，它将改变整个汽车问题的结构性想法，而不光是一些问题的增量。许多车辆的学习，可以通过迁移的方法进行类似同类车辆的比对，比如说车牌、车的某种特征、车的标识物等，通过这样的标识寻找和比对，进行方法性的移植，产生现有的方法迁移的概念。