A teoria dos dispositivos adaptativos baseados em regras [19,20,21] nasceu da busca por formalismos tão simples de usar quanto, por exemplo, os autômatos de estados finitos, mas capazes de representar problemas mais complexos, envolvendo linguagens não-regulares, e até mesmo dependentes de contexto. Uma das idéias centrais no formalismo adaptativo é que dispositivos mais poderosos, em relação à capacidade de expressão, podem ser obtidos a partir de uma progressão suave dos recursos oferecidos por um dispositivo mais simples. Quando adicionamos, por exemplo, a um autômato de pilha estruturado [22,23], a capacidade de inclusão ou remoção de novas transições, durante a operação do autômato, temos um dispositivo com o mesmo poder de expressão de um máquina de Turing [24]. O dispositivo resultante, denominado de autômato adaptativo, já tem sido utilizado na solução de uma variedade de problemas nas áreas de construção de compiladores, interpretação de linguagem natural e aprendizagem automática, entre outras.
Além dos autômatos de pilha estruturados, outros dispositivos podem se tornar adaptativos, utilizando a tecnologia adaptativa. Entre os dispositivos que já possuem uma versão adaptativa citamos as redes de Markov [25], os statecharts [26], as gramáticas livres de contexto [27] e as tabelas de decisão [19].
Um dos mais recentes formalismos a receber uma versão adaptativa foi a árvore de decisão [28,21]. Uma implementação de uma árvore de decisão adaptativa, a AdapTree-E, foi utilizada no desenvolvimento de dois protótipos criados a partir da integração entre a tecnologia adaptativa, a aprendizagem computacional e a visão computacional. O primeiro protótipo, o vTTT (TicTacToe by Vision), é um jogo da velha que pode ser treinado para capturar a direção do olhar do usuário, através de uma câmera filmadora posicionada acima do monitor, e inferir a posição do tabuleiro a ser marcada [29,30]. Desta forma, o usuário pode interagir com o sistema sem utilizar as mãos.