تتضمن طريقة تعلم الآلات كحقل فرعي للذكاء الاصطناعي تغذية الكمبيوتر بمجموعات من البيانات سواء كانت بصيغة نصية أو صورا أو صوتا، وإضافة تصنيفات لهذه البيانات، وكمثال على ذلك عرض صورة امرأة تعمل في مكتب وتسميتها بعاملة مكتب نسائية. ومع مرور الوقت واستعراض الكثير من الصور، فإن الكمبيوتر سيتعلم التمييز بين صور مشابهة، وسيكون قادراً على ربط هذه الصور بالنساء العاملات في مكتب، ومع مرور الوقت وإضافة الحلول الحسابية، سيكون بإمكان الكمبيوتر القيام بتنبؤات وتقديرات للأشياء مثل مراجعة المترشحين للوظيفة (عبر تحليل السير الذاتية للأشخاص)، وإصدار بوالص التأمين أو إصدار الموافقات للإقراض.

يظل تدريب الآلات باستخدام البيانات أمرا غير إشكالي طالما أن الأمر لا يؤدي إلى إجراءات تنبؤية تمييزية، ومع ذلك، مع تمديد استخدام البيانات أكثر فأكثر لاستبدال القرارات الإنسانية، يصبح هذا الأمر مشكلة، لذلك فإن التحيزات الأساسية التي تقوم بها هذه الصناديق السوداء بحاجة إلى أن تكون مفهومة.

يمكن استخدام التعلم الآلي لاختيار المرشحين بشكل مسبق بناءً على معايير مختلفة مثل المهارات والتعليم، وهذا ينتج نتيجة تشير إلى مدى ملاءمة المرشح لهذا المنصب، وفي برنامج اختيار المرشحين لشركات إزالة وتحريك الأغراض، قام برنامج Datta بتغيير الجنس والوزن الذي قالوا إنه يمكنهم رفعه في طلبهم بشكل عشوائي وإذا لم يكن هناك تغيير في عدد النساء اللاتي تم اختيارهن مسبقاً لإجراء المقابلات، فإذا جنس مقدم الطلب ليس هو الذي يحدد عملية التوظيف، كما يوضح هذا المثال، فإنه من الممكن إزالة التحيزات، لكن هذا يتطلب الجهد والمال للقيام به ولذلك فإنه أمر غير مضمون حدوثه. في الواقع، من المرجح أن نشهد زيادة في التحيزات على المدى القصير، حيث يضخمها الذكاء الاصطناعي.

على المدى البعيد، إذا كان الذكاء الاصطناعي سيؤدي إلى استبدال البشر بالآلات في بعض المواقف، فإن المستويات العالية للذكاء العاطفي لدى النساء ستصبح أكثر قيمة، وستكون هناك حاجة أكبر للأدوار التي تفهم السلوك البشري بطرق تصعب على الآلات، وستتطلب هذه الأدوار فهم السياقات الاجتماعية والتعاطف والرحمة وهنا يتفوق الأشخاص ذوو المستويات الأعلى من الذكاء العاطفي. لذلك، وعلى الرغم من أن التحيزات من المحتمل أن تزداد على المدى القصير، إلا أن المساواة بين الجنسين ستكون لديها فرصة على المدى الطويل.