W szerszej perspektywie badawczej HITL jest bliski wcześniejszym ujęciom interakcji człowieka z automatyką. W klasycznym modelu poziomów automatyzacji wyróżniono cztery szerokie klasy funkcji, w których człowiek i system mogą dzielić zadania: pozyskiwanie informacji, analizę informacji, wybór decyzji i działania oraz implementację działania; w każdej z nich automatyzacja może przyjmować różny poziom, od działania manualnego po pełną automatyzację.
Zastosowania Uczenie maszynowe i adnotacja danych mały|Adnotatorzy danych przygotowujący dane treningowe dla systemów sztucznej inteligencji. mały|lewo|Schemat uczenia aktywnego: model wybiera próbki do oznaczenia przez człowieka.
W badaniach nad uczeniem głębokim i przetwarzaniem danych HITL jest wiązany m.in. z: uczeniem aktywnym (system wybiera próbki do oznaczenia przez człowieka, aby ograniczać koszt adnotacji), budową systemów wspomagających człowieka w zadaniach takich jak adnotacja dokumentów technicznych, z wykorzystaniem metod uczenia nadzorowanego i nienadzorowanego jako „asysty” dla użytkownika.