توضیحات
فصل نخست به تبیین مفهوم «اکوریتم» بهعنوان الگوریتمهای یادگیری زیستی و محاسباتی میپردازد که در محیطهای پیچیده و «بدون نظریه» عمل میکنند؛ محیطهایی که بر خلاف علوم محض، فاقد قوانین فرمولبندیشده ریاضی برای پیشبینی دقیق هستند. نویسنده بر اساس چارچوب محاسباتی آلن تورینگ و گسترش آن، مدل ریاضی «یادگیری احتمالاً تقریباً صحیح» را مطرح میکند تا توضیح دهد چگونه موجودات زنده، فرایند تکامل و شبکههای عصبی مغز میتوانند از طریق تعاملات محدود با محیط و یادگیری از تجربیات گذشته، الگوها را بهسرعت تعمیم داده و رفتارهای سازگارانه و کارآمدی برای بقا شکل دهند؛ رویکردی که یادگیری محاسباتی را مکانیسم بنیادی حیات و کلید اصلی حل مسائل پیچیده در سیستمهای هوشمند میداند.