智能反射面(intelligent reflecting surfaces, IRS)可以通过大量低成本的无源反射元件巧妙地调整信号反射，从而动态改变无线信道，提高通信性能，目前已成为无线通信研究的焦点。然而，由于IRS的加入，整个通信系统变得更加复杂，系统的动态性也更高，使通信系统面临着许多新的挑战。机器学习(machine learning, ML)具有很强的数据处理与自适应能力，能够不断适应变化的环境和需求，可以很好地应对通信系统中的许多挑战。因此，使用ML解决IRS辅助的通信系统中的问题，已经成为当前研究的重点。基于此，对ML在IRS系统中的应用进行了系统性的概述，从IRS辅助的通信系统中存在的问题入手，分别从反射因子的设计与优化、信道处理与建模、资源分配和管理、安全性增强4个方面对ML在IRS系统中的应用进行阐述和分析，并讨论了将ML应用在IRS系统中的优势及未来的发展趋势与挑战。