機械学習（Machine Learning）とは、人工知能（AI）の一分野で、明示的なプログラムを記述することなく、データから自動的にパターンや規則性を学習し、予測・分類・生成などのタスクを実行する手法の総称です。教師あり学習（ラベル付きデータを用いた予測）、教師なし学習（クラスタリング・次元削減）、強化学習（試行錯誤による最適化）の3つが主要なパラダイムです。
特に多層ニューラルネットワークを用いたディープラーニング（Deep Learning）は、画像認識・自然言語処理・音声認識・異常検知などのタスクで人間に匹敵またはそれを超える精度を達成しています。ChatGPTやGeminiのような大規模言語モデル（LLM）、画像生成AI（Stable Diffusion、DALL-E）なども機械学習の延長線上にあります。
半導体製造における機械学習の活用は急速に拡大しています。ウェハ欠陥検査の自動分類（KLAやApplied Materialsの検査装置に搭載）、プロセス異常のリアルタイム検知（Virtual Metrology：仮想計測）、装置の予知保全（Predictive Maintenance）、リソグラフィ露光条件の最適化などが実用化されています。
製造ラインで生成される大量のプロセスデータ・計測データ・検査データを機械学習モデルに学習させることで、従来の統計的手法では発見困難だった相関関係を抽出し、歩留まり向上に貢献しています。特に先端ノード（3nm以下）では変動要因が複雑に絡み合うため、機械学習による多変量解析の重要性が増しています。
機械学習の計算需要の増大は、AIアクセラレータ（GPU・TPU・NPU）の需要拡大を通じて半導体産業全体の成長を牽引しています。NVIDIA・AMD・Intelらが覇権を争うAIチップ市場は、TSMC・Samsungの先端ファウンドリへの需要を押し上げ、装置・材料メーカーにも大きな恩恵をもたらしています。