Zum Inhalt springen
Advancing Bits to Master Atoms

Ursache und Wirkung lernen.
Deine KI lernt, welche Handlung zu welchem Ergebnis führte.

MS Duplex hält die Verbindung fest zwischen dem, was getan wurde, den Bedingungen, unter denen es getan wurde, und dem, was danach geschah. Es nutzt diese Verbindungen, um den nächsten Schritt zu empfehlen, und sagt deinen Forschenden, wenn eine Verbindung noch nicht belegt ist.

Lernen und verbessern · eine der vierzehn Fähigkeiten von MS Duplex

Eine Reihe von Kugeln in satiniertem Silber, die in einem Rahmen aus Graphit hängen, am Ende eine ausgelenkte kobaltblaue Kugel, kurz bevor sie auf die Reihe trifft.Eine Reihe von Kugeln in satiniertem Silber, die in einem Rahmen aus Graphit hängen, am Ende eine ausgelenkte kobaltblaue Kugel, kurz bevor sie auf die Reihe trifft.

Dein Team bekommt

  • Empfehlungen, gestützt auf deine eigenen Ergebnisse
  • Klare Trennung zwischen Bekanntem und Angenommenem
  • Bessere Wahl des nächsten Experiments oder Laufs

Was das Lernen von Ursache und Wirkung für dein Team bedeutet.

Ursache und Wirkung zu lernen heißt, dass MS Duplex mehr festhält als das Ergebnis. Zu jedem bestätigten Ergebnis hält es fest, was getan wurde, unter welchen Bedingungen es getan wurde und was danach geschah, miteinander verbunden, sodass deine KI erkennen kann, welche Aktion zu welchem Ergebnis geführt hat.

Diese Verbindungen prägen, was deine Agenten empfehlen. Wenn dein Team nach dem nächsten Schritt fragt, stützt sich MS Duplex auf die Aktionen, die unter ähnlichen Bedingungen wie den aktuellen zu dem gewünschten Ergebnis geführt haben, und lässt die Aktionen beiseite, die woandershin geführt haben.

Es sagt auch, was es noch nicht weiß. Wo eine Verbindung zwischen einer Aktion und einem Ergebnis nicht belegt ist, sagt MS Duplex das deinen Forschenden, sodass dein Team einen Befund von einer Vermutung unterscheiden und das nächste Experiment mit diesem Wissen wählen kann.

Warum Forschung eine KI braucht, die weiß, warum.

Zwei Ergebnisse können gleich aussehen und unterschiedliche Ursachen haben. Eine KI, die nur das Ergebnis festhält, kann nicht erkennen, welche Aktion sie wiederholen soll.

In der Forschung zählt ein Ergebnis wegen der Art, wie es zustande kam. Ein Lauf war erfolgreich wegen einer Einstellung, unter einer bestimmten Bedingung, nach einem bestimmten Schritt. Ändert sich die Bedingung, kann dieselbe Aktion woandershin führen. Die Entscheidung, was als Nächstes versucht wird, hängt davon ab, zu wissen, welcher Teil der Arbeit den Unterschied gemacht hat.

Wenn eine KI nur Ergebnisse festhält, wiederholt sie, was zufällig vor einem Erfolg geschah, und behandelt einen Zufall als Regel. Ihre Empfehlungen klingen gleich sicher, ob sie auf vielen bestätigten Ergebnissen beruhen oder auf einem glücklichen Lauf, und deine Forschenden müssen selbst herausfinden, was was ist.

  • Bedingungen entscheiden

    Eine Aktion, die unter bestimmten Bedingungen funktioniert, kann unter anderen scheitern, deshalb müssen die Bedingungen mit der Verbindung mitgeführt werden.

  • Befunde und Vermutungen unterscheiden sich

    Ein Team muss wissen, welche Empfehlungen auf belegten Verbindungen beruhen und welche noch Annahmen sind.

  • Der nächste Lauf ist teuer

    Das nächste Experiment gut zu wählen, hängt davon ab, zu wissen, welche Aktionen das Ergebnis beeinflusst haben.

  • Entscheidungen werden hinterfragt

    Eine Empfehlung, die die Aktion, die Bedingungen und das Ergebnis dahinter zeigt, kann jeder überprüfen.

Eine verzweigte Reihe aufrecht stehender Graphitplättchen auf einem dunklen Sockel, am Anfang ein kobaltblaues Plättchen und ein Pfad umgefallener silberner Plättchen, der in einen einzigen Zweig führt.Eine verzweigte Reihe aufrecht stehender Graphitplättchen auf einem dunklen Sockel, am Anfang ein kobaltblaues Plättchen und ein Pfad umgefallener silberner Plättchen, der in einen einzigen Zweig führt.

Wie das Lernen von Ursache und Wirkung im Arbeitsalltag deines Teams funktioniert.

Dein Team hält fest, was es getan hat und was geschehen ist, so wie heute. MS Duplex bewahrt die Verbindungen und nutzt sie für die nächste Empfehlung.

  1. 1

    Eine Aktion wird ausgeführt

    Der Agent oder eine Forscherin oder ein Forscher führt einen Schritt mit gewählten Einstellungen unter bekannten Bedingungen aus.

  2. 2

    Das Ergebnis wird bestätigt

    Ein Test, eine Messung oder ein Experte bestätigt, was danach geschah.

  3. 3

    Die Verbindung wird festgehalten

    MS Duplex hält die Aktion, die Bedingungen und das Ergebnis zusammen fest, mit den Belegen dahinter.

  4. 4

    Der nächste Schritt wird empfohlen

    Empfehlungen stützen sich auf belegte Verbindungen für ähnliche Bedingungen wie die aktuellen, und eine noch nicht belegte Verbindung wird als solche gekennzeichnet.

Ein Beispiel, in jedem Fachgebiet, in dem ein Agent den nächsten Lauf empfiehlt.

Der Agent eines Teams empfiehlt Einstellungen für den nächsten Lauf in Richtung eines Ziels. Seine Empfehlungen werden klarer darin, was bekannt ist und was nicht.

  1. 1

    Ein Muster zeigt sich

    Mehrere erfolgreiche Läufe haben zwei Einstellungen gemeinsam. Jeder Lauf wird mit seinen Aktionen, seinen Bedingungen und seinem bestätigten Ergebnis festgehalten.

  2. 2

    Eine Verbindung wird belegt

    Weitere bestätigte Läufe zeigen, dass eine der beiden Einstellungen unter den üblichen Bedingungen des Teams zum Ziel führt und die andere keinen Unterschied gemacht hat. MS Duplex hält die erste als belegte Verbindung fest.

  3. 3

    Eine neue Bedingung

    Eine Forscherin fragt nach einer Empfehlung unter einer Bedingung, die das Team nicht getestet hat. MS Duplex empfiehlt die belegte Einstellung und sagt, dass die Verbindung unter dieser Bedingung noch nicht belegt ist.

  4. 4

    Das nächste Experiment

    Das Team führt diesen Fall als gezielten Test durch. Das bestätigte Ergebnis erweitert die Verbindung auf die neue Bedingung oder markiert, wo sie nicht mehr gilt, und die nächste Empfehlung berücksichtigt das.

Ursache und Wirkung liefern den anderen Fähigkeiten ihre Gründe.

Zu wissen, warum ein Ergebnis eingetreten ist, macht es leichter, jedem Plan, jeder Entscheidung und jeder Verbesserung zu vertrauen.

  • Simulation vor dem Handeln

    Vor einem kostspieligen Schritt werden die Optionen anhand der Verbindungen durchgespielt, die dein Team bestätigt hat, sodass das Budget dorthin geht, wohin die Belege zeigen.

  • Entscheidungen, die ihre Grenzen kennen

    Wo eine belegte Verbindung eindeutig greift, entscheidet MS Duplex direkt; wo nicht, geht die Entscheidung an dein Modell oder an eine Forscherin oder einen Forscher, mit Begründung.

  • Selbstverbesserung

    Zu wissen, welche Aktion welches Ergebnis verursacht hat, lässt deine Agenten an der richtigen Stelle besser werden, indem sie zuerst versuchen, was zum Erfolg geführt hat.

  • Herkunftsnachweis, Prüfung und Verlernen

    Jede Verbindung behält die Ergebnisse, auf denen sie beruht, sodass andere Forschende eine Empfehlung rekonstruieren und überprüfen können.

Was dein Team bekommt.

Empfehlungen, gestützt auf deine eigenen Ergebnisse, mit einer klaren Grenze zwischen dem, was bekannt ist, und dem, was angenommen wird.

  • Empfehlungen aus deinen Ergebnissen

    Der nächste Schritt wird anhand dessen empfohlen, was deine eigene bestätigte Arbeit als Weg zum gewünschten Ergebnis zeigt.

  • Bekanntes getrennt von Angenommenem

    Jede Empfehlung zeigt, ob die Verbindung dahinter belegt oder noch nicht belegt ist.

  • Bedingungen bei jeder Verbindung

    Eine Aktion wird dort empfohlen, wo die Bedingungen denen entsprechen, unter denen sie bestätigt wurde.

  • Bessere Wahl des nächsten Laufs

    Dein Team kann das nächste Experiment oder den nächsten Lauf auf die Verbindungen ausrichten, die am wichtigsten und noch nicht belegt sind.

  • Begründungen im Protokoll

    Jede Empfehlung zeigt die Aktion, die Bedingungen und das Ergebnis dahinter, bereit zur Prüfung.

  • Verbindungen, die bleiben

    Die Verbindungen, die dein Team belegt, bleiben über Sitzungen, Agenten und Modelle hinweg erhalten.

Häufige Fragen.

Wie unterscheidet MS Duplex einen Befund von einer Vermutung?

Es behandelt eine Verbindung zwischen einer Aktion und einem Ergebnis nur so weit als belegt, wie deine bestätigten Ergebnisse sie stützen. Wo eine Verbindung noch nicht belegt ist, sagt es das in der Empfehlung, sodass deine Forschenden sehen, was was ist.

Was passiert, wenn sich die Bedingungen ändern?

Jede Verbindung wird mit den Bedingungen festgehalten, unter denen sie bestätigt wurde. Liegt ein Fall außerhalb davon, sagt MS Duplex, dass die Verbindung dort noch nicht belegt ist, sodass dein Team entscheiden kann, ob es sie testet.

Kann eine Forscherin oder ein Forscher prüfen, warum ein Schritt empfohlen wurde?

Ja. Jede Empfehlung zeigt die Aktion, die Bedingungen und die Ergebnisse dahinter, mit ihren Quellen. Andere Forschende können sie aus dem Protokoll rekonstruieren und selbst überprüfen.

Was, wenn sich eine Verbindung als falsch herausstellt?

Dein Team kann sie einzeln korrigieren oder entfernen. Wird sie entfernt, fallen die Empfehlungen, die von ihr abhingen, mit weg, während alles andere bleibt.

Damit der nächste Lauf vom letzten profitiert.

Bring uns die Forschung, in der deine KI besser werden soll. Wir planen ein Pilotprojekt an deinen eigenen Workflows, mit deinen Experten als Jury.