Spring til indhold
Advancing Bits to Master Atoms

Sporbarhed, gennemgang og aflæring.
Hver lektie beholder sin kilde og kan rettes eller fjernes.

I MS Duplex viser hvert stykke erfaring sin kilde, og hvad det bygger på, i én historik, dit team kan gennemgå og eksportere.

Husk og styr · en af de fjorten funktioner i MS Duplex

En kæde af led i satinsølv, der ligger hen over en grafitsokkel og fører tilbage til en lille koboltblå blok i den ene ende.En kæde af led i satinsølv, der ligger hen over en grafitsokkel og fører tilbage til en lille koboltblå blok i den ene ende.

Det får dit team

  • Beslutninger, en anden forsker kan reproducere
  • Fejl rettet præcist, uden bivirkninger
  • En komplet, eksporterbar historik over arbejdet

Hvad sporbarhed, gennemgang og aflæring betyder for dit team.

Sporbarhed betyder, at hvert stykke erfaring i MS Duplex viser, hvor det kom fra: det resultat, den måling eller den ekspertvurdering, der ligger bag, og de betingelser, det blev bekræftet under. Når en agent anbefaler et trin, kan dit team se, hvad anbefalingen bygger på.

Gennemgang betyder, at hele dokumentationen ligger i én historik, dit team kan læse og eksportere. Den dækker, hvad der blev lært, hvad der blev brugt, og hvad der blev godkendt, og den er signeret. En anden forsker kan genopbygge en beslutning ud fra den og selv kontrollere den.

Aflæring betyder, at en fejl kan rettes præcist. Ret en lektie, og kun den lektie ændres. Fjern den, og de anbefalinger, der afhang af den, forsvinder med den, mens alt andet forbliver, som det var. En fjernet lektie kan gendannes, hvis dit team ombestemmer sig.

Derfor har forskning brug for AI, der viser sine kilder.

En konklusion er kun så nyttig som evidensen bag den. AI, der ikke kan vise sine kilder, beder dit team om at tage den på ordet.

I forskning skal hvert resultat kunne spores. En bedømmer spørger, hvor et tal kom fra, en kollega vil kontrollere en beslutning, før der bygges videre på den, og et senere projekt har brug for at vide, hvilke antagelser der holdt på det tidspunkt. Når AI'ens ræsonnement bygger på lektier uden kilde, har ingen af disse spørgsmål et svar.

Fejl sker også. En måling viser sig at være forkert, eller en eksperts rettelse holdt kun under betingelser, som ingen skrev ned. Når viden er bagt ind i en models vægte, betyder det at rette én ting endnu en træningskørsel, og anden viden kan forringes samtidig. I MS Duplex står hver lektie for sig, så dit team retter eller fjerner den, der er forkert.

  • Sporbar evidens

    Hver læring peger på det resultat, den måling eller den ekspertvurdering, den stammer fra.

  • Reproducerbare beslutninger

    En anden forsker kan genopbygge en beslutning ud fra dokumentationen og selv kontrollere den.

  • Præcise rettelser

    Én forkert lektie kan rettes uden at røre resten af det, teamet har opbygget.

  • Viden, der bevæger sig videre

    En ny måling erstatter den gamle, og historikken over, hvad der ændrede sig, bevares.

En opretstående cylindrisk kerne af lag i grafit og satinsølv på en grafitbase med én tynd koboltblå tråd, der løber gennem hvert lag.En opretstående cylindrisk kerne af lag i grafit og satinsølv på en grafitbase med én tynd koboltblå tråd, der løber gennem hvert lag.

Sådan fungerer sporbarhed, gennemgang og aflæring i dit teams hverdag.

Dit team arbejder videre, som det gør i dag. MS Duplex fører dokumentationen, mens arbejdet skrider frem, og giver dit team kontrollerne til at handle på den.

  1. 1

    En lektie gemmes med sin kilde

    Når et resultat bekræftes, eller en ekspert retter agenten, registrerer MS Duplex lektien med dens evidens og de betingelser, den gælder under.

  2. 2

    Anbefalinger viser deres grundlag

    Når en agent foreslår et trin, kan dit team se, hvilke lektier det bygger på, og hvor hver af dem kom fra.

  3. 3

    Dokumentationen gennemgås

    Personer inden for deres adgangsområde kan gennemgå historikken over, hvad der blev lært, brugt og godkendt, og eksportere den.

  4. 4

    En lektie rettes eller fjernes

    Hvis en lektie er forkert, retter dit team den, og kun den lektie ændres, eller fjerner den, og de anbefalinger, der byggede på den, forsvinder også. Den kan gendannes senere.

Et eksempel, inden for ethvert fagområde, hvor en agent rangerer kandidater.

Et teams agent rangerer kandidatdesigns til gennemgang. I løbet af en uge viser en referenceværdi bag flere anbefalinger sig at være forkert.

  1. 1

    Et spørgsmål om en rangering

    Mandag spørger en bedømmer, hvorfor en kandidat ligger først. Dokumentationen viser lektierne bag rangeringen, hver med det resultat eller den ekspertvurdering, den kom fra.

  2. 2

    En kilde viser sig at være forkert

    Tirsdag finder teamet ud af, at en af de lektier bygger på en måling foretaget med en fejlbehæftet opstilling. De fjerner den. De anbefalinger, der afhang af den, forsvinder med den, og alle andre lektier forbliver.

  3. 3

    En korrektion

    Onsdag retter en ekspert en anden lektie, der gjaldt under snævrere betingelser end registreret. Kun den lektie ændres, og agentens næste rangering bruger den rettede version.

  4. 4

    Beslutningen genopbygget

    Fredag genopbygger en kollega den nye rangering ud fra dokumentationen, ser hver kilde og historikken for begge ændringer og eksporterer den til projektgennemgangen.

Sporbarhed gør de andre funktioner troværdige.

Alt, hvad MS Duplex lærer, planlægger og beslutter, bygger på dokumentation, dit team kan kontrollere.

  • Kontinuerlig læring

    Hver lektie, der læres kontinuerligt, kommer med sin kilde, så dokumentationen vokser, mens AI'en lærer.

  • Læring af årsag og virkning

    Forbindelsen mellem en handling, dens betingelser og dens udfald forbliver dokumenteret, så dit team kan skelne et fund fra en fornemmelse.

  • Regler og godkendelser

    Godkendelser ligger i den samme historik som lektierne, med hvem der godkendte hvad.

  • Frihed til at skifte model

    Historikken og dens kilder bliver hos dit team, når du skifter model, agent eller leverandør.

Det får dit team.

AI, hvor dit team kan spore, kontrollere og rette hver lektie.

  • En kilde til hver lektie

    Hvert stykke erfaring viser, hvor det kom fra, og hvad det bygger på.

  • Beslutninger, en anden forsker kan reproducere

    En beslutning kan genopbygges ud fra dokumentationen og kontrolleres af en, der ikke var med.

  • Præcise rettelser

    Ret en lektie, og kun den lektie ændres, uden bivirkninger på resten.

  • Ren fjernelse

    Fjern en lektie, og de anbefalinger, der afhang af den, forsvinder med den, mens alt andet forbliver.

  • Gendan efter behov

    En fjernet lektie kan gendannes, hvis dit team beslutter, at den alligevel var rigtig.

  • En historik, der kan eksporteres

    En komplet, signeret historik over, hvad der blev lært, brugt og godkendt, klar til gennemgang og eksport.

Almindelige spørgsmål.

Hvad bevarer hver lektie som sin kilde?

Det resultat, den måling eller den ekspertvurdering, den kom fra, og de betingelser, den blev bekræftet under. Når en agent bygger på en lektie, kan dit team se den kilde og kontrollere den.

Hvad sker der, når vi fjerner en lektie?

Lektien fjernes, og de anbefalinger, der afhang af den, forsvinder med den. Alt andet forbliver, som det var, og lektien kan gendannes, hvis dit team ombestemmer sig.

Kan vi eksportere historikken?

Ja. Den signerede historik over, hvad der blev lært, brugt og godkendt, er klar til gennemgang og eksport, så en anden forsker eller en bedømmer kan genopbygge en beslutning ud fra den.

Hvordan adskiller dette sig fra at rette en finjusteret model?

Finjustering bager viden ind i en models vægte, så det at ændre én ting betyder endnu en træningskørsel. MS Duplex bevarer hver lektie ved siden af modellen, med dens vægte uændrede, så én lektie kan rettes eller fjernes for sig.

Lad den næste kørsel drage nytte af den forrige.

Kom til os med den forskning, din AI skal blive bedre til. Vi planlægger et pilotprojekt på dine egne arbejdsgange, med dine eksperter som dommere.