H 从大量数据中导出了提升业绩的对策，下面我们就介绍一下这项划时代的技术。
过去，人类基本都是将自己想处理的功能作为计算机程序输入计算机，然后从中输出数据。由于计算机程序表示的是功能和动作的模型，因此以往这种信息处理方式可以称为“从输入的模型中生成数据”。
以往的信息处理主要是用计算机代替人工作业，以提高效率。如果将人类的工作转化成模型，那么一直以来人们花费时间和成本所做的工作，都可以用计算机自动输出了。例如，以前人们需要花几天时间来计算公司员工的薪酬并统计全国店铺的销售业绩，现在就可以让计算机来做。
一般来说，信息处理分为演绎和归纳两种。可以说，迄今为止的信息处理都属于演绎。我们重温一下演绎的定义：从一般性、普遍性的前提，得出个别性、特殊性结论的推论方法（维基百科）。迄今为止的信息处理，都是人类通过制作计算机程序，写入一般性、普遍性的前提，然后得出数据这种个别性、特殊性的结论。对于那些前提和一般规律已经明确的问题，演绎法可以发挥作用，但是对于那些前提尚且不明的问题，演绎法就无计可施了。目前，计算机在演绎处理方面，展现出了非凡的能力，而在归纳处理方面，却显得无能为力。
目前，想要有效运用大数据，需要“归纳”的能力，而这种能力正是计算机一直以来的短板。所谓“归纳”，指的是从个别性、特殊性事例中找出一般性、普遍性的规律（维基百科）。现在，在输入意义不明的大量数据后，我们需要可以明确这些数据背后的模式和规律的能力。简而言之，就是要创造一种“学习型机器”。
在学习型机器中，输入的是数据，输出的是从数据中分析得出的规律。也就是说，我们需要从输入的数据中倒推出生成数据的源头模型。如果能做到这一点，那么在前面店铺的例子中，我们就可以从大量的数据中找出最能有效提高店铺业绩的原理。
微软公司的创始人比尔·盖茨在 2004 年说过：“学习型机器的诞生，相当于 10 个微软公司的价值。”（日本经济新闻，2014 年 3 月 4 日）另一方面，从这句话中可以看出，虽然他认识到了这项技术的巨大影响力，但是在十多年前的 2004 年，距离学习型机器的诞生，还有很长的路要走。
现如今，我们的学习型人工智能 H 将畅想变成了现实。
这种兼具演绎和归纳两种处理方式、时刻从大量数据中学习的新型计算机，将在解决复杂问题、判断状况、判断经营情况方面大显神威。