Vai al contenuto
Advancing Bits to Master Atoms

Decisioni che conoscono i propri limiti.
Decide ciò che le prove sostengono e passa il resto.

MS Duplex prende le decisioni ricorrenti direttamente dove un metodo appreso si applica chiaramente, spesso senza alcuna chiamata al modello. Dove le prove sono scarse o il caso è nuovo, passa la decisione al tuo modello o la segnala a un ricercatore, con il motivo.

Pianificare e decidere · una delle quattordici capacità di MS Duplex

Un selettore a cancello in argento satinato su un telaio in grafite: le sfere argentate cadono dritte al centro, mentre quelle blu cobalto vengono deviate in uno scivolo laterale.Un selettore a cancello in argento satinato su un telaio in grafite: le sfere argentate cadono dritte al centro, mentre quelle blu cobalto vengono deviate in uno scivolo laterale.

Il tuo team ottiene

  • Decisioni di routine prese in modo rapido e coerente
  • Decisioni difficili indirizzate alla persona giusta
  • Costi del modello più bassi sul lavoro ricorrente

Cosa significano per il tuo team le decisioni che conoscono i propri limiti.

Le decisioni che conoscono i propri limiti vengono da un’IA capace di distinguere un caso che il tuo team ha già risolto da uno che non ha risolto. Dove un metodo confermato dal tuo team si applica chiaramente, MS Duplex prende la decisione direttamente e in modo coerente, spesso senza alcuna chiamata al modello.

Dove le prove sono scarse, o il caso non somiglia a nulla di ciò che il tuo team ha confermato, MS Duplex passa la decisione. Va al tuo modello quando il caso richiede ragionamento, o a un ricercatore quando richiede il giudizio di un esperto, e il motivo la accompagna.

Ogni decisione mostra quale percorso ha seguito e perché: il metodo su cui si è basata e le prove a sostegno di quel metodo, oppure cosa mancava quando è stata passata. Il tuo team può vedere quali decisioni erano di routine, quali sono state passate ad altri e chi ha risolto ciascuna.

Perché la ricerca ha bisogno di decisioni che conoscono i propri limiti.

Di un agente che risponde a ogni domanda con la stessa sicurezza è difficile fidarsi. I casi che contano di più sono spesso quelli che non ha mai visto.

La maggior parte delle decisioni in un flusso di lavoro di ricerca si ripete: quale impostazione usare per un’analisi familiare, quale candidato supera uno screening noto, quale metodo si adatta a un caso standard. Rimandare ciascuna di esse a un modello costa chiamate, tempo e denaro, e le risposte possono variare da un’esecuzione all’altra anche quando il caso è rimasto lo stesso.

I casi rari richiedono il trattamento opposto. Un caso al di fuori di tutto ciò che il tuo team ha confermato richiede il ragionamento di un modello o il giudizio di un ricercatore, e un agente che lo tratta come routine può mandare un’esecuzione costosa nella direzione sbagliata. La ricerca ha bisogno di un’IA che conosce la differenza e la dichiara.

  • La coerenza conta

    Lo stesso caso, nelle stesse condizioni, dovrebbe ricevere la stessa decisione ogni volta che si presenta.

  • Le chiamate al modello si sommano

    Il lavoro ricorrente mandato a un modello più e più volte costa di più a ogni esecuzione.

  • Il tempo degli esperti è scarso

    I ricercatori dovrebbero dedicare il loro tempo alle decisioni che richiedono il loro intervento, e vedere perché ciascuna è stata affidata a loro.

  • I casi nuovi costano cari

    Un caso nuovo trattato come routine può spendere calcolo e tempo di laboratorio in un’esecuzione che non avrebbe mai funzionato.

Uno scambio ferroviario in miniatura su una base in grafite, con due binari in argento satinato che si separano da uno solo e una piccola leva blu cobalto impostata in una direzione.Uno scambio ferroviario in miniatura su una base in grafite, con due binari in argento satinato che si separano da uno solo e una piccola leva blu cobalto impostata in una direzione.

Come funzionano le decisioni nella giornata del tuo team.

Il tuo agente chiede una decisione come fa oggi. MS Duplex guarda ciò che il tuo team ha confermato e indirizza la decisione sul percorso giusto.

  1. 1

    Si presenta una decisione

    Il tuo agente deve scegliere un’impostazione, classificare un candidato, selezionare un metodo o approvare il passo successivo.

  2. 2

    Le prove vengono verificate

    MS Duplex guarda ciò che il tuo team ha confermato per casi come questo, e se le condizioni corrispondono.

  3. 3

    I casi di routine vengono risolti

    Dove un metodo appreso si applica chiaramente, MS Duplex prende la decisione direttamente, spesso senza chiamate al modello, e registra il metodo usato.

  4. 4

    Gli altri vengono passati

    Dove le prove sono scarse o il caso è nuovo, la decisione va al tuo modello o viene segnalata a un ricercatore, con il motivo.

Un esempio, in qualsiasi campo in cui un agente classifica e decide.

L’agente di un team esamina un flusso costante di candidati per una valutazione ricorrente. Nell’arco di una settimana, MS Duplex risolve i casi familiari e manda quelli insoliti dove devono andare.

  1. 1

    Casi familiari

    Lunedì la maggior parte dei candidati del giorno corrisponde a un metodo di screening confermato in precedenza dal team. MS Duplex li classifica direttamente, senza chiamate al modello, e ogni classificazione rimanda al metodo che c’è dietro.

  2. 2

    Un caso con poche prove

    Martedì un candidato si trova al limite di ciò che il team ha confermato. MS Duplex lo passa al modello con una nota su quali prove mancano, e il modello lo analizza con il suo ragionamento.

  3. 3

    Un caso nuovo

    Mercoledì arriva un candidato diverso da tutto ciò che il team ha visto. MS Duplex lo segnala a un ricercatore, che decide e registra il perché, e la decisione viene conservata con il suo motivo.

  4. 4

    La volta successiva

    Venerdì arriva, nelle stesse condizioni, un candidato simile a quello di mercoledì. Ora si applica la decisione confermata del ricercatore, così MS Duplex lo risolve direttamente e all’esperto viene risparmiata la stessa domanda.

Le decisioni che conoscono i propri limiti lavorano con il resto del livello.

Ciò che MS Duplex può decidere si basa su ciò che le altre funzionalità apprendono e conservano.

  • Metodi riutilizzabili

    Ogni metodo verificato amplia l’insieme dei casi che MS Duplex può risolvere direttamente, con il metodo documentato.

  • Apprendimento continuo

    La decisione di un ricercatore su un caso passato a lui viene appresa subito, così il caso simile successivo può essere risolto senza chiedere di nuovo.

  • Regole e approvazioni

    Le tue regole vengono prima di qualsiasi decisione, e i passaggi che selezioni attendono comunque una persona, per quanto di routine possano sembrare.

  • Provenienza, revisione e disapprendimento

    Ogni decisione conserva il metodo e le prove su cui si è basata, così un altro ricercatore può ricostruirla dalla documentazione.

Cosa ottiene il tuo team.

Decisioni di routine prese in modo rapido e coerente, decisioni difficili nelle mani giuste e costi del modello più bassi sul lavoro ricorrente.

chiamate al modello in meno rispetto a un modello sottoposto a fine-tuning per il compito, sul lavoro ricorrente, nei test controllati di MatterSpace
−89%
  • Decisioni di routine prese rapidamente

    Dove un metodo appreso si applica chiaramente, la decisione viene presa direttamente, spesso senza chiamate al modello.

  • Risposte coerenti

    Lo stesso caso nelle stesse condizioni riceve la stessa decisione, con lo stesso metodo alla base.

  • Decisioni difficili indirizzate al posto giusto

    I casi con prove scarse vanno al tuo modello, e i casi diversi da tutto ciò che si è visto prima vengono segnalati a un ricercatore.

  • Un motivo a ogni passaggio di mano

    Ogni decisione passata ad altri spiega perché, così il modello o la persona che la riceve sa cosa manca.

  • Costi del modello più bassi

    Il lavoro ricorrente richiede molte meno chiamate al modello, così la spesa per il modello va ai casi che richiedono ragionamento.

  • Decisioni documentate

    Ogni decisione mostra il metodo e le prove su cui si è basata, o il motivo per cui è stata passata.

Domande frequenti.

Quando decide da solo MS Duplex?

Quando un metodo confermato dal tuo team si applica chiaramente al caso, in condizioni corrispondenti. Queste decisioni vengono spesso prese senza alcuna chiamata al modello, e ognuna rimanda al metodo e alle prove che la sostengono.

Cosa succede quando le prove sono scarse?

MS Duplex passa la decisione al tuo modello, o la segnala a un ricercatore quando il caso è diverso da tutto ciò che si è visto prima. Il motivo la accompagna, così chi prende la decisione sa cosa manca.

Questo riduce i nostri costi del modello?

Sul lavoro ricorrente, sì. Le decisioni risolte da un metodo appreso non richiedono chiamate al modello, e nei test controllati di MatterSpace MS Duplex ha fatto molte meno chiamate al modello rispetto a un modello sottoposto a fine-tuning per il compito. Un progetto pilota misura cosa fa sul tuo lavoro.

Possiamo correggere una decisione presa da MS Duplex?

Sì. Ogni decisione mostra la lezione su cui si è basata, e il tuo team può correggere o rimuovere quella lezione singolarmente. Le raccomandazioni che ne dipendevano cambiano di conseguenza, e tutto il resto rimane com’era.

Fai in modo che la prossima esecuzione tragga vantaggio dall’ultima.

Portaci la ricerca in cui la tua IA dovrebbe migliorare. Pianificheremo un progetto pilota sui tuoi flussi di lavoro, con i tuoi esperti come giudici.