Zum Inhalt springen
Advancing Bits to Master Atoms

Simulation vor dem Handeln.
Spielt die Optionen durch, bevor Rechenleistung oder Laborzeit aufgewendet wird.

Die Optionen, die das Ziel nicht erreichen können, werden früh beiseitegelegt, und das Budget fließt in die Läufe, die die Arbeit am wahrscheinlichsten voranbringen.

Planen und entscheiden · eine der vierzehn Fähigkeiten von MS Duplex

Ein Graphitblock, in den ein verzweigter Baum aus Kanälen gearbeitet ist, eine silberne Kugel an der Gabelung und kleine kobaltblaue Kugeln entlang nur eines Zweigs.Ein Graphitblock, in den ein verzweigter Baum aus Kanälen gearbeitet ist, eine silberne Kugel an der Gabelung und kleine kobaltblaue Kugeln entlang nur eines Zweigs.

Dein Team bekommt

  • Weniger teure Läufe, die nie funktioniert hätten
  • Budget, eingesetzt, wo es zählt
  • Die Begründung hinter jeder Wahl, protokolliert

Was Simulation vor dem Handeln für dein Team bedeutet.

Simulation vor dem Handeln bedeutet, dass deine KI einen kostspieligen Schritt durchdenkt, bevor sie ihn geht. Wenn es mehrere Wege nach vorn gibt, wägt MS Duplex das wahrscheinliche Ergebnis jedes einzelnen gegen das Ziel ab, sodass die Wahl auf Belegen beruht statt auf der ersten Idee, die aufkam.

Die Abwägung stützt sich auf die eigene Erfahrung deines Teams: die bestätigten Ergebnisse, die Bedingungen, unter denen sie gelten, die Korrekturen deiner Experten und die gescheiterten Läufe. Eine Option, die unter denselben Bedingungen bereits gescheitert ist oder das Ziel nicht erreichen kann, wird beiseitegelegt, bevor etwas dafür aufgewendet wird.

Deine eigenen Simulatoren, Messgeräte und dein Analysecode bleiben, wie sie sind, und sie liefern weiterhin die Ergebnisse. MS Duplex hilft zu entscheiden, welche Läufe sich lohnen, und hält die Begründung hinter jeder Wahl fest.

Warum Forschung vorausschauen muss, bevor sie Läufe startet.

Rechenleistung, Gerätezeit und die Aufmerksamkeit von Experten sind das eigentliche Budget eines Forschungsteams. Jeder Lauf, der nie funktionieren konnte, geht davon ab.

Viele Forschungsentscheidungen laufen darauf hinaus, den nächsten Lauf aus mehreren Kandidaten auszuwählen. Eine lange Simulation auf gemeinsamer Rechenleistung, ein Experiment, das knappes Material oder Gerätezeit verbraucht, ein Design-Review, das eine Expertin von anderer Arbeit abzieht: Jeder dieser Schritte lohnt sich nur, wenn er die Arbeit dem Ziel näherbringen kann.

Ohne einen Blick nach vorn wählen Agenten aus Gewohnheit oder nach der ersten plausiblen Idee. Optionen, von denen dein Team bereits weiß, dass sie scheitern, werden erneut vorgeschlagen, und das Budget ist aufgebraucht, bevor die vielversprechendsten Optionen an der Reihe sind. Simulation vor dem Handeln stellt die bestätigte Erfahrung deines Teams vor jede kostspielige Wahl.

  • Läufe sind teuer

    Ein einzelner Lauf kann einen großen Teil der Rechenleistung, Gerätezeit oder Expertenaufmerksamkeit beanspruchen, die ein Team hat.

  • Budgets sind fix

    Jeder Lauf für eine Option, die das Ziel nicht erreichen konnte, ist ein Lauf weniger für die Optionen, die es gekonnt hätten.

  • Erfahrung sollte zählen

    Was dein Team bereits bestätigt und ausgeschlossen hat, sollte die nächste Wahl prägen, bevor sie getroffen wird.

  • Entscheidungen brauchen Gründe

    Eine Führungskraft, die einen kostspieligen Lauf freigibt, sollte sehen können, warum er den Alternativen vorgezogen wurde.

Eine Waage in satiniertem Silber auf einem Sockel aus Graphit, zwei Graphitblöcke in einer Schale und ein einzelner kobaltblauer Block in der anderen.Eine Waage in satiniertem Silber auf einem Sockel aus Graphit, zwei Graphitblöcke in einer Schale und ein einzelner kobaltblauer Block in der anderen.

Wie Simulation vor dem Handeln im Arbeitsalltag deines Teams funktioniert.

Dein Agent schlägt weiter den nächsten Schritt vor. Bevor ein kostspieliger Schritt läuft, schaut MS Duplex voraus.

  1. 1

    Optionen liegen auf dem Tisch

    Dein Agent erreicht einen kostspieligen Schritt und hat mehrere Wege nach vorn: verschiedene Einstellungen, Kandidaten, Methoden oder Läufe.

  2. 2

    Jede Option wird durchgespielt

    MS Duplex wägt das wahrscheinliche Ergebnis jeder Option gegen das Ziel ab und nutzt dabei die Ergebnisse, Bedingungen und Korrekturen, die dein Team bestätigt hat.

  3. 3

    Sackgassen werden beiseitegelegt

    Optionen, die das Ziel nicht erreichen können oder die unter denselben Bedingungen bereits gescheitert sind, werden beiseitegelegt, bevor etwas dafür aufgewendet wird.

  4. 4

    Das Budget fließt dorthin, wo es zählt

    Die vielversprechendsten Optionen laufen über deine eigenen Tools weiter, und die Begründung hinter der Wahl wird protokolliert.

Ein Beispiel für jedes Fachgebiet, in dem Läufe teuer sind.

Der Agent eines Teams hat Budget für eine kleine Zahl teurer Läufe und eine lange Liste von Kandidateneinstellungen zur Auswahl.

  1. 1

    Die Liste

    Der Agent schlägt zwölf Kandidateneinstellungen für die nächste Runde von Läufen vor. Das Budget reicht für vier.

  2. 2

    Der Blick nach vorn

    MS Duplex wägt jede Einstellung gegen das Ziel ab. Drei liegen jenseits einer Betriebsgrenze, die eine Expertin letzten Monat bestätigt hat, und zwei wiederholen eine Kombination, die unter denselben Bedingungen bereits gescheitert ist.

  3. 3

    Die Wahl

    Diese fünf werden beiseitegelegt, jede mit ihrem Grund. Von den sieben verbleibenden gehen die vier weiter, die die Arbeit am wahrscheinlichsten voranbringen, und die anderen drei warten auf die nächste Runde.

  4. 4

    Das Protokoll

    Die Ergebnisse kommen zurück und werden bestätigt. Die Teamleitung sieht, warum jede Einstellung gelaufen ist oder beiseitegelegt wurde, und die nächste Runde beginnt mit dem, was diese bestätigt hat.

Simulation vor dem Handeln arbeitet mit den anderen Fähigkeiten zusammen.

Vorausschauen ist nur so gut wie die Erfahrung dahinter, und jede Wahl, die dabei getroffen wird, erweitert diese Erfahrung.

  • Langfristige Planung

    An jedem Checkpoint einer langen Kampagne werden die nächsten Optionen durchgespielt, bevor der Plan Budget für sie bindet.

  • Ursache und Wirkung lernen

    Was dein Team darüber gelernt hat, welche Aktion unter welchen Bedingungen zu welchem Ergebnis geführt hat, ist der Maßstab, an dem jede Option gemessen wird.

  • Entscheidungen, die ihre Grenzen kennen

    Wo die Belege klar für eine Option sprechen, wird die Wahl direkt getroffen, und wo sie dünn sind, geht sie an dein Modell oder eine Forscherin.

  • Regeln und Freigaben

    In regelgesteuerten Umgebungen können die Optionen, die weitergehen, trotzdem auf die Freigabe durch eine Person warten, bevor der kostspielige Schritt beginnt.

Was dein Team bekommt.

Forschungsbudget, das in die Läufe fließt, die die Arbeit voranbringen können, mit der Begründung im Protokoll.

  • Weniger Läufe, die nie funktionieren konnten

    Optionen, die das Ziel nicht erreichen können, werden beiseitegelegt, bevor Rechenleistung oder Laborzeit dafür aufgewendet wird.

  • Budget, eingesetzt, wo es zählt

    Die Läufe, die weitergehen, sind die, die die Arbeit am wahrscheinlichsten dem Ziel näherbringen.

  • Deine Erfahrung in jeder Wahl

    Bestätigte Ergebnisse, bekannte Bedingungen und Expertenkorrekturen prägen jede kostspielige Wahl, bevor sie getroffen wird.

  • Bekannte Fehlschläge beiseitegelegt

    Eine Option, die unter denselben Bedingungen bereits gescheitert ist, wird beiseitegelegt, statt erneut vorgeschlagen zu werden.

  • Begründung im Protokoll

    Jede Wahl behält die Gründe, aus denen sie getroffen wurde, sodass alle sehen können, warum ein Lauf weiterging und ein anderer wartete.

  • Deine Tools, wie sie sind

    Deine Simulatoren, Messgeräte und dein Analysecode erledigen weiterhin die Arbeit, und MS Duplex hilft zu entscheiden, welche Läufe sich lohnen.

Häufige Fragen.

Ersetzt Simulation vor dem Handeln unsere eigenen Simulationen?

Deine Simulationen und Experimente liefern weiterhin die Ergebnisse. Simulation vor dem Handeln hilft zu entscheiden, welche davon sich lohnen, indem jede Option gegen das Ziel und gegen das abgewogen wird, was dein Team bereits bestätigt hat.

Worauf stützt sich MS Duplex, um die Optionen abzuwägen?

Auf die eigene Erfahrung deines Teams: die bestätigten Ergebnisse, die Bedingungen, unter denen sie gelten, die Korrekturen deiner Experten und die gescheiterten Läufe. Jede Wahl hält fest, worauf sie beruhte.

Was passiert, wenn die Belege für eine Wahl zu dünn sind?

MS Duplex sagt es. Wo die Erfahrung deines Teams noch keine Option begünstigt, geht die Wahl an dein Modell oder wird mit Begründung für eine Forscherin oder einen Forscher markiert.

Kann eine Person einen kostspieligen Lauf trotzdem freigeben?

Ja. In regelgesteuerten Umgebungen warten die Schritte, die du auswählst, etwa eine teure Simulation, auf die Freigabe durch eine Person, bevor sie beginnen, und die Freigabe wird protokolliert.

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.