이런 볼즈만 기계에서 머신러닝 알고리즘의 역할은 각 계층의 변수들과 학습 데이터가 주어졌을 때 두 변수들의 관계를 표현하는 에너지 매개변수  W를 찾는 것이다. 다양한 모델을 학습하는 머신러닝 알고리즘을 다루는데 있어서 가장 중요한 질문 중 하나는 어떤 모델들이 머신러닝으로 학습이 가능한지, 또 학습이 가능하다면 얼마나 많은 학습 데이터가 필요한지에 대한 질문이다. 2010년에 튜링상을 수상한 레슬리 밸리언트(Leslie Valiant)는 이 질문에 대답하기 위해 PAC(Probably Approximate Correct) 러닝이라는 모델을 제안했다. PAC 러닝은 학습하고자 하는 임의의 모델을 주어진 정확도 α로 학습하는 것이 목표일 때, 주어진 확률(50%보다 많은)로만 정확도 α를 달성한다면 성공한 것으로 간주하는 개념이다.