预测性学习

预测性学习是机器学习的一种技术，在这种技术中，xxx试图通过在各种情况下尝试不同的行动来建立其环境模型。它使用关于其行动似乎具有的效果的知识，把它们变成规划运算符。这使xxx能够在其世界中采取有目的的行动。预测性学习是一种尝试，以最少的预先存在的心理结构进行学习。它可能是受皮亚杰关于儿童如何通过与世界互动来构建知识的说法的启发。加里-德雷舍（GaryDrescher）的”Mad-upMinds”一书对该领域具有开创性意义。

然而，预测和无意识推理被大脑用来构建一个世界模型，在这个模型中，它可以识别感知的原因，这个想法甚至更早，至少可以追溯到赫尔曼-冯-亥姆霍兹。这些想法后来在预测性编码领域被采纳。另一个相关的预测性学习理论是杰夫-霍金斯的记忆预测框架，这在他的《论智能》中有所阐述。