MIT istraživači su razvili revolucionarni okvir nazvan “periodni sistem mašinskog učenja”, s ciljem da unaprede razvoj veštačke inteligencije spajanjem različitih klasičnih algoritama. Ovaj inovativni alat olakšava sintezu postojećih ideja za poboljšanje AI algoritama ili kreiranje novih, slično kao što periodni sistem hemijskih elemenata predviđa neotkrivene elemente. Istraživački tim, na čelu sa Šaden Alšammari, identifikovao je jednačinu centralnu za mnoge tradicionalne AI algoritme, nazvanu informaciono kontrastno učenje (I-Con), koja preobražava popularne metode da bi poboljšala postojeće AI modele ili kreirala nove. Organizovanjem ovih algoritama u strukturu nalik periodnom sistemu, istraživači mogu vizualizovati potencijalne oblasti za algoritamska istraživanja i popuniti praznine gde bi mogli da se nalaze neotkriveni algoritmi. Ovaj okvir ne samo da povećava tačnost tehnika klasifikacije slika i uklanjanja pristrasnosti iz podataka, već takođe služi kao kreativni alat za buduće napretke u AI, podstičući nove kombinacije metodologija. Istraživanje MIT tima pruža vredan kompas za polje AI, povlačeći paralele sa dugotrajnim naučnim okvirima i otvarajući nove puteve za inovaciju i otkrića.
