El presente proyecto presenta la implementación y comparación entre el algoritmo L* junto con su variante relativamente nueva NL*. Se realizaron varios test de comparación en los que se aprende de distintos modelos comparándose los resultados obtenidos. Los resultados presentados en el paper original de NL* son replicados y validados. Una extensión de NL*, inspirada por el anterior BL*, es introducida como una forma de aplicar este algoritmo en lenguajes no necesariamente regulares, para poder aprender el lenguaje reconocido por los modelos de las redes neuronales artificiales. Por último, la pregunta de la varianza que queda abierta en la investigación anterior es abordada y de acuerdo con los resultados obtenidos NL* parece ser una alternativa prometedora a L* en este sentido. En el marco del proyecto se construye un framework extensible que permite la continuación de este trabajo para desarrollar nuevos algoritmos y pruebas comparativas.