ទោះបីជាយើងកំពុងរស់នៅឆ្លងកាត់ពេលវេលានៃការច្នៃប្រឌិតមិនធម្មតានៅក្នុង Machine Learning បង្កើនល្បឿន GPU ក៏ដោយ ឯកសារស្រាវជ្រាវចុងក្រោយបំផុតជាញឹកញាប់ (និងលេចធ្លោ) បង្ហាញពីក្បួនដោះស្រាយដែលមានរយៈពេលជាច្រើនទសវត្សរ៍ ក្នុងករណីខ្លះដែលមានអាយុ 70 ឆ្នាំ។

អ្នកខ្លះអាចប្រកែកថាវិធីសាស្រ្តចាស់ៗទាំងនេះជាច្រើនធ្លាក់ចូលទៅក្នុងជំរុំនៃ ‘ការវិភាគស្ថិតិ‘ ជាជាងការរៀនម៉ាស៊ីន ហើយចូលចិត្តការមកដល់នៃវិស័យនេះរហូតដល់ឆ្នាំ 1957 ជាមួយនឹងការបង្កើត Perceptron ។

ដោយសារវិសាលភាពដែលក្បួនដោះស្រាយចាស់ៗទាំងនេះគាំទ្រ និងត្រូវបានបញ្ចូលទៅក្នុងនិន្នាការចុងក្រោយបំផុត និងការអភិវឌ្ឍន៍ដែលចាប់យកចំណងជើងក្នុង Machine Learning វាជាជំហរដែលអាចប្រកួតប្រជែងបាន។ ដូច្នេះសូមក្រឡេកមើលប្លុកអគារ ‘បុរាណ‘ មួយចំនួនដែលគាំទ្រការច្នៃប្រឌិតចុងក្រោយបង្អស់ ក៏ដូចជាធាតុថ្មីៗមួយចំនួនដែលកំពុងធ្វើការដេញថ្លៃដំបូងសម្រាប់សាលកិត្តិនាម AI ។

1.    Transformers

2.    Generative Adversarial Networks (GANs)

3.    SVM

4.    K-Means Clustering

5.    Random Forest

6.    Naive Bayes

7.    K- Nearest Neighbors (KNN)

8.    Markov Decision Process (MDP)

9.    Term Frequency-Inverse Document Frequency

10. Stochastic Gradient Descent