上述 3 项原则和学习型机器可以广泛用于解决各种问题。例如，我们将呼叫中心的业务作为 Outcome，构建一个体系以广泛收集业务记录和负责人的行动数据，并输入学习型机器。这个事例我们在第 2 章就介绍过了。
又比如，我们将学校和教育机构的学生成绩、教学成果作为 Outcome，输入考试成绩的变化、学生的升学地和课堂内外师生行动的数据。这样一来，就可以在计算机上构建一个包括学生、老师和课程在内的虚拟学校模型，建立起在有限资源下将学校的教学成果最大化的行动体系。
我们再把眼光放远一点，将振兴城市经济和缓解交通拥堵作为 Outcome，广泛收集整个城市的行动数据。如果能得到居民的协助，就可以有效利用手机上的位置信息、加速度传感器中的信息，以及经济统计数据和交通信息。将这些信息输入学习型机器，就可以在计算机上自动构建一个虚拟城市模型。基于这个模型，我们可以利用有限的预算和资源，根据数据找到促进城市发展的方法。
我们进一步把眼光放到最远，考虑如何解决整个地球的问题。例如，我们将解决地球环境问题、全球化经济发展、解决国际纠纷作为 Outcome。为此，我们要收集地球上的各种数据，并将其输入学习型机器。想要输入所有数据，就需要一个超大规模的计算机和存储器。假设真有这样超大规模的计算机和存储器，就可以在计算机上构建整个地球的模型了。或许我们可以在计算机上构建有关复杂地球问题的模型，并得到一些解决思路。