Bestimmte Modelle im Bereich des maschinellen Lernens kommen bei ihrer Weiterentwicklung ohne starre Regeln aus. Netzwerke für maschinelles Lernen können lernen, ohne dass ein Entwickler ihnen dafür detaillierte Anweisungen vorgibt („Machine-learning networks can learn without detailed instructions from a designer“). Der Lernprozess dieser Systeme findet demnach ohne eng geführte Vorgaben durch den Menschen statt.
Systeme mit diesen Eigenschaften sind auch für die Erforschung biologischer Prozesse von Bedeutung. Netze, die ohne detaillierte Instruktionen lernen, können Einblicke darin bieten, wie sich das Gehirn während des Lernens reorganisiert („Those that do may offer insight into how the brain reorganizes itself during learning“). Die Funktionsweise dieser Modelle erlaubt somit Rückschlüsse auf Anpassungsmechanismen bei biologischen Lernvorgängen.