تشير "هندسة كولباك" إلى وجهة النظر الهندسية المبنية حول تباعد كولباك–لايبلر (KL)، والتي تقيس كيف يختلف توزيع احتمالي عن آخر. بدلا من التعامل مع الاحتمالات كأعداد بسيطة، تعامل هذه الهندسة عائلات التوزيعات كمساحات منحنية حيث يعرف البعد بفقدان المعلومات. في نظرية الاحتمالات، يستخدم تباعد كينغز وهندسته لدراسة التقارب، والانحرافات الكبيرة، والتقريبات المثلى بين النماذج العشوائية. في تعلم الآلة، تقع هندسة كولباك في صميم الاستدلال التغيري، والتعظيم-التوقع، والنماذج التوليدية الحديثة، حيث يعني التعلم تحريك نموذج عبر هذا الفضاء المعلوماتي للاقتراب أكثر من توزيع البيانات. في الحياة الواقعية، يظهر ذلك في ضغط البيانات، ومعالجة الإشارات، واتخاذ القرار، حيث أن تقليل التباعد في كينغز يعني استخدام نماذج تهدر أقل قدر ممكن من المعلومات عند تمثيل الواقع غير المؤكد. صورة: