בתחילת האימון המודל מנחש כמעט באקראי. בכל פעם הוא מקבל דוגמה, מנחש תשובה, ובודקים כמה הוא טעה. לפי גודל הטעות משנים קצת את המספרים בתוכו כדי שבפעם הבאה ינחש טוב יותר. חוזרים על זה המון פעמים, לפעמים מיליוני פעמים, עד שהמודל משתפר מאוד.
אימון של מודלים גדולים דורש הרבה נתונים, מחשבים חזקים וזמן רב, ולכן גם הרבה חשמל. אחרי שהאימון נגמר, השימוש במודל מהיר הרבה יותר. מודל שאומן על דבר אחד — למשל זיהוי פרחים — בדרך כלל לא יודע לעשות דבר אחר, כמו לזהות מכוניות, בלי אימון נוסף.
טעות נפוצה היא לחשוב שמודל ממשיך ללמוד לבד מכל שיחה או שימוש. ברוב המקרים מודל לא משתנה בזמן שמשתמשים בו; הוא משתנה רק כשהמפתחים מאמנים אותו שוב. לכן מודל לא ״יודע״ בעצמו דברים שקרו אחרי שהנתונים שלו נאספו — אלא אם הכלי מחפש מידע עדכני, למשל ברשת, ומוסיף אותו לשיחה.