機械学習における異常や故障の予測技術は、正常状態のデータと異常状態のデータを基にモデルを訓練し、異常の早期検出や故障診断を行う技術群で構成される。特徴量として時系列データやベクトル情報、波形の振幅や脈波、心拍や呼吸の生体データを用いることが多い。教師あり学習の分類モデルやニューラルネットワークを活用し、ラベル付きデータを用いて正常と異常の分布を学習する。車両やロボットの稼働状況、運転中の車載センサーからのログ、電子制御装置（ＥＣＵ）やモーターの電流やトルク情報、操舵や速度などの運動データも重要な入力となる。データベースに蓄積された点検や保守の記録と組み合わせ、確率的推論を用いることで故障の時期や発生可能性を計画的に予測する。さらにサーバーや通信の監視データ、サイバー攻撃のログ解析による異常検出も含まれ、生活や行動の映像や動画の分析、人物の感情や視線など多様な情報の処理によって支援システムを構築することも可能である。これらの技術は修理や保守の効率化、運用コスト削減、ユーザーやドライバの安全確保に寄与する。
