Saltar al contenido
Advancing Bits to Master Atoms

Simulación antes de actuar.
Proyecta el desarrollo de las opciones antes de gastar cómputo o tiempo de laboratorio.

Las opciones que no pueden alcanzar el objetivo se descartan pronto, y el presupuesto va a las ejecuciones con más probabilidades de hacer avanzar el trabajo.

Planificar y decidir · una de las catorce capacidades de MS Duplex

Un bloque de grafito tallado con un árbol ramificado de canales, una esfera plateada en la bifurcación y pequeñas esferas azul cobalto a lo largo de una sola rama.Un bloque de grafito tallado con un árbol ramificado de canales, una esfera plateada en la bifurcación y pequeñas esferas azul cobalto a lo largo de una sola rama.

Lo que obtiene tu equipo

  • Menos ejecuciones caras que nunca iban a funcionar
  • Presupuesto gastado donde cuenta
  • El razonamiento detrás de cada elección, registrado

Qué significa la simulación antes de actuar para tu equipo.

La simulación antes de actuar significa que tu IA piensa bien un paso costoso antes de darlo. Cuando hay varios caminos posibles, MS Duplex sopesa el resultado probable de cada uno frente al objetivo, de modo que la elección se basa en la evidencia y no en la primera idea que surgió.

La valoración se basa en la propia experiencia de tu equipo: los resultados que se confirmaron, las condiciones en las que se cumplen, las correcciones que hicieron tus expertos y las ejecuciones que fallaron. Una opción que ya falló en las mismas condiciones, o que no puede alcanzar el objetivo, se descarta antes de gastar nada en ella.

Tus propios simuladores, instrumentos y código de análisis siguen tal como están, y siguen produciendo los resultados. MS Duplex ayuda a decidir qué ejecuciones merece la pena hacer, y registra el razonamiento detrás de cada elección.

Por qué la investigación necesita mirar antes de ejecutar.

El cómputo, el tiempo de instrumento y la atención de los expertos son el verdadero presupuesto de un equipo de investigación. Cada ejecución que nunca iba a funcionar se paga con él.

Muchas decisiones de investigación se reducen a elegir la siguiente ejecución entre varias candidatas. Una simulación larga en cómputo compartido, un experimento que consume material escaso o tiempo de instrumento, una revisión de diseño que aparta a un experto de otro trabajo: cada una merece la pena solo si puede acercar el trabajo al objetivo.

Sin mirar hacia delante, los agentes eligen por costumbre o por la primera idea plausible. Se vuelven a proponer opciones que tu equipo ya sabe que fallarán, y el presupuesto se agota antes de llegar a las opciones más prometedoras. La simulación antes de actuar pone la experiencia confirmada de tu equipo delante de cada elección costosa.

  • Las ejecuciones son caras

    Una sola ejecución puede consumir una gran parte del cómputo, el tiempo de instrumento o la atención de los expertos de los que dispone un equipo.

  • Los presupuestos son fijos

    Cada ejecución gastada en una opción que no podía alcanzar el objetivo es una ejecución menos para las opciones que sí podían.

  • La experiencia debería contar

    Lo que tu equipo ya ha confirmado y descartado debería orientar la siguiente elección antes de tomarla.

  • Las elecciones necesitan motivos

    Un responsable que aprueba una ejecución costosa debería poder ver por qué se eligió frente a las alternativas.

Una balanza de plata satinada sobre una base de grafito, con dos bloques de grafito en un platillo y un solo bloque azul cobalto en el otro.Una balanza de plata satinada sobre una base de grafito, con dos bloques de grafito en un platillo y un solo bloque azul cobalto en el otro.

Cómo funciona la simulación antes de actuar en el día a día de tu equipo.

Tu agente sigue proponiendo el siguiente paso. Antes de que se ejecute uno costoso, MS Duplex mira hacia delante.

  1. 1

    Las opciones están sobre la mesa

    Tu agente llega a un paso costoso y tiene varios caminos posibles: distintos ajustes, candidatos, métodos o ejecuciones.

  2. 2

    Cada opción se proyecta hacia delante

    MS Duplex sopesa el resultado probable de cada opción frente al objetivo, usando los resultados, las condiciones y las correcciones que ha confirmado tu equipo.

  3. 3

    Los callejones sin salida se descartan

    Las opciones que no pueden alcanzar el objetivo, o que ya fallaron en las mismas condiciones, se descartan antes de gastar nada en ellas.

  4. 4

    El presupuesto va a donde cuenta

    Las opciones más prometedoras siguen adelante a través de tus propias herramientas, y el razonamiento detrás de la elección queda registrado.

Un ejemplo, en cualquier campo donde las ejecuciones son costosas.

El agente de un equipo tiene presupuesto para un pequeño número de ejecuciones caras y una larga lista de ajustes candidatos entre los que elegir.

  1. 1

    La lista

    El agente propone doce ajustes candidatos para la siguiente ronda de ejecuciones. El presupuesto permite cuatro.

  2. 2

    La mirada hacia delante

    MS Duplex sopesa cada ajuste frente al objetivo. Tres quedan fuera de un límite de funcionamiento que un experto confirmó el mes pasado, y dos repiten una combinación que ya falló en las mismas condiciones.

  3. 3

    La elección

    Esos cinco se descartan, cada uno con su motivo. De los siete que quedan, los cuatro con más probabilidades de hacer avanzar el trabajo siguen adelante, y los otros tres esperan a la siguiente ronda.

  4. 4

    El registro

    Llegan los resultados y se confirman. La responsable del equipo ve por qué cada ajuste se ejecutó o se descartó, y la siguiente ronda parte de lo que esta confirmó.

La simulación antes de actuar funciona con las demás capacidades.

Mirar hacia delante solo es tan bueno como la experiencia que lo respalda, y cada elección que hace se suma a esa experiencia.

  • Planificación de largo horizonte

    En cada punto de control de una campaña larga, las siguientes opciones se proyectan hacia delante antes de que el plan les comprometa presupuesto.

  • Aprender causa y efecto

    Lo que tu equipo ha aprendido sobre qué acción condujo a qué resultado, y en qué condiciones, es aquello frente a lo que se sopesa cada opción.

  • Decisiones que conocen sus límites

    Donde la evidencia favorece claramente una opción, la elección se resuelve directamente, y donde es escasa, pasa a tu modelo o a un investigador.

  • Reglas y aprobaciones

    En los entornos gobernados, las opciones que siguen adelante pueden esperar igualmente la aprobación de una persona antes de que empiece el paso costoso.

Lo que obtiene tu equipo.

Presupuesto de investigación gastado en las ejecuciones que pueden hacer avanzar el trabajo, con el razonamiento registrado.

  • Menos ejecuciones que nunca iban a funcionar

    Las opciones que no pueden alcanzar el objetivo se descartan antes de gastar en ellas cómputo o tiempo de laboratorio.

  • Presupuesto gastado donde cuenta

    Las ejecuciones que siguen adelante son las que tienen más probabilidades de acercar el trabajo al objetivo.

  • Tu experiencia en cada elección

    Los resultados confirmados, las condiciones conocidas y las correcciones de los expertos orientan cada elección costosa antes de tomarla.

  • Fallos conocidos, descartados

    Una opción que ya falló en las mismas condiciones se descarta en lugar de volver a proponerse.

  • Razonamiento registrado

    Cada elección conserva los motivos por los que se tomó, así que cualquiera puede ver por qué una ejecución siguió adelante y otra esperó.

  • Tus herramientas, tal como están

    Tus simuladores, instrumentos y código de análisis siguen haciendo el trabajo, y MS Duplex ayuda a decidir qué ejecuciones merecen la pena.

Preguntas frecuentes.

¿Sustituye la simulación antes de actuar a nuestras propias simulaciones?

Tus simulaciones y experimentos siguen produciendo los resultados. La simulación antes de actuar ayuda a decidir cuáles merece la pena ejecutar, sopesando cada opción frente al objetivo y frente a lo que tu equipo ya ha confirmado.

¿Qué usa MS Duplex para sopesar las opciones?

La propia experiencia de tu equipo: los resultados que se confirmaron, las condiciones en las que se cumplen, las correcciones que hicieron tus expertos y las ejecuciones que fallaron. Cada elección conserva un registro de aquello en lo que se basó.

¿Qué pasa cuando la evidencia es demasiado escasa para elegir?

MS Duplex lo indica. Donde la experiencia de tu equipo aún no favorece ninguna opción, la elección pasa a tu modelo o se señala para un investigador, con el motivo.

¿Puede una persona seguir aprobando una ejecución costosa?

Sí. En los entornos gobernados, los pasos que selecciones, como una simulación cara, esperan la aprobación de una persona antes de empezar, y la aprobación queda registrada.

Haz que la próxima ejecución aproveche la anterior.

Tráenos la investigación en la que tu IA debería mejorar. Planificaremos un piloto con tus propios flujos de trabajo, con tus expertos como jueces.