Nova skladišča podatkov ter alternativne revije in delavnice ponujajo poti za izmenjavo negativnih rezultatov, kar bi lahko pomagalo rešiti krizo ponovljivosti in spodbudilo strojno učenje (angl. machine learning – ML).
Prispevek poudarja pomen arhiviranja raziskovalnih podatkov (angl. research data archiving), pri čemer ne gre za podpiranje odprte znanosti (angl. open science), ampak za možnost treniranja različnih modelov umetne inteligence s pomočjo strojnega učenja na primer, a tudi na negativnih rezultatih raziskav – ne le na pozitivnih, ki so večinoma osnova za objavo raziskovalnega članka.