Учёные из MIT разработали «периодическую таблицу алгоритмов машинного обучения» — и это куда важнее, чем может показаться на первый взгляд.
Более полутора столетий назад таблица Менделеева структурировала знания химиков и позволила предсказать существование элементов задолго до их фактического открытия. Теперь исследователи из MIT делают нечто подобное в области машинного обучения (ML), систематизируя более 20 известных алгоритмов в рамках единой математической модели. Свой подход они назвали I-Con — Information Contrastive Learning («информационно-контрастное обучение»).
Им удалось сформулировать единый математический язык — изящное и точное уравнение, которое описывает «генетический код» большинства алгоритмов машинного обучения. Теперь алгоритмы можно разместить в своеобразной системе координат, где отчётливо видны их взаимосвязи и степень различий. Методы группируются по способу выявления закономерностей в данных, что позволяет получить целостное представление о всей области.
Особую ценность представляют пустые ячейки этой таблицы. Как когда-то незаполненные места в таблице Менделеева предвещали открытие новых элементов, так и пробелы в I-Con указывают на алгоритмы, которые ещё предстоит разработать. Теперь, вместо случайных экспериментов, учёные могут целенаправленно исследовать перспективные направления и создавать новые методы машинного обучения.
Более того, это уже подтверждено на практике: исследователи из MIT объединили элементы из разных «ячеек» своей таблицы и разработали новый алгоритм для классификации изображений, который превзошёл существующие технологии на 8%.
Таким образом, новый подход предлагает не только более структурированное понимание механизмов машинного обучения, но и превращает создание новых алгоритмов из интуитивного поиска в чёткий, прогнозируемый процесс. Там, где раньше полагались на удачу или быстро опускали руки, теперь есть чёткая карта для целенаправленных исследований.
И как таблица Менделеева когда-то радикально изменила химию, так и система I-Con может революционизировать машинное обучение, сделав его более понятным, системным и открыв новые горизонты для инноваций.