A teoria da aprendizagem computacional é um sub-campo da inteligência artificial e teoria da computação que busca construir modelos formais de projeto e analise de agentes de aprendizado baseados em máquinas de estado. Alguns modelos famosos propostos são o Provavelmente Aproximadamente Correto[1], o AIXI[2], Máquinas de Gödel[3], Indução Universal de Solomonoff[4] e Identificação de Linguagem no Limite[5]. Diferente da teoria do aprendizado estatístico, que busca projetar e entender ferramentas que extraem padrões estatísticos nos dados pelo método indutivo, a teoria da aprendizagem computacional tem maior foco em entender os limites computacionais de qualquer agente inferencial, como representações simbólico numéricas, complexidade computacional e decidibilidade. Trabalhos mais recentes no campo tem explorado o projeto de agentes que atuam no processo de aprendizado, como meta-aprendizes ou aprendizado por reforço.
© MMXXIII Rich X Search. We shall prevail. All rights reserved. Rich X Search