Vai al contenuto
Advancing Bits to Master Atoms

Provenienza, revisione e disapprendimento.
Ogni lezione conserva la sua fonte e può essere corretta o rimossa.

In MS Duplex, ogni elemento di esperienza mostra la sua fonte e su cosa si basa, in un’unica cronologia che il tuo team può esaminare ed esportare.

Ricordare e governare · una delle quattordici capacità di MS Duplex

Una catena di maglie in argento satinato distesa su un plinto in grafite, che riconduce a un piccolo blocco blu cobalto a un’estremità.Una catena di maglie in argento satinato distesa su un plinto in grafite, che riconduce a un piccolo blocco blu cobalto a un’estremità.

Il tuo team ottiene

  • Decisioni che un altro ricercatore può riprodurre
  • Errori corretti con precisione, senza effetti collaterali
  • Una cronologia completa ed esportabile del lavoro

Cosa significano provenienza, revisione e disapprendimento per il tuo team.

Provenienza significa che ogni elemento di esperienza in MS Duplex mostra da dove proviene: il risultato, la misura o il giudizio esperto alla base, e le condizioni in cui è stato confermato. Quando un agente raccomanda un passaggio, il tuo team può vedere su cosa si basa quella raccomandazione.

Revisione significa che l’intera documentazione si trova in un’unica cronologia che il tuo team può leggere ed esportare. Copre ciò che è stato appreso, ciò che è stato usato e ciò che è stato approvato, ed è firmata. Un altro ricercatore può ricostruire una decisione a partire da essa e verificarla di persona.

Disapprendimento significa che un errore può essere corretto con precisione. Correggi una lezione e cambia solo quella lezione. Rimuovila e le raccomandazioni che ne dipendevano vengono rimosse con essa, mentre tutto il resto resta com’era. Una lezione rimossa può essere ripristinata se il tuo team cambia idea.

Perché la ricerca ha bisogno di un’IA che mostri le sue fonti.

Una conclusione vale quanto le prove che la sostengono. Un’IA che non sa mostrare le sue fonti chiede al tuo team di crederle sulla parola.

Nella ricerca, ogni risultato deve essere tracciabile. Un revisore chiede da dove viene un numero, un collega vuole verificare una decisione prima di basarvisi, e un progetto successivo ha bisogno di sapere quali ipotesi valevano all’epoca. Quando il ragionamento dell’IA si basa su lezioni senza fonte, nessuna di queste domande ha una risposta.

Anche gli errori capitano. Una misura si rivela sbagliata, oppure la correzione di un esperto valeva solo in condizioni che nessuno aveva annotato. Quando la conoscenza è incorporata nei pesi di un modello, correggere una cosa significa un altro addestramento, e altra conoscenza può deteriorarsi con esso. In MS Duplex ogni lezione è a sé stante, così il tuo team corregge o rimuove quella sbagliata.

  • Prove tracciabili

    Ogni insegnamento rimanda al risultato, alla misura o al giudizio esperto da cui proviene.

  • Decisioni riproducibili

    Un altro ricercatore può ricostruire una decisione dalla documentazione e verificarla di persona.

  • Correzioni precise

    Una lezione sbagliata può essere corretta senza toccare il resto di ciò che il team ha costruito.

  • Conoscenza che evolve

    Una nuova misura sostituisce quella vecchia, e la cronologia di ciò che è cambiato viene conservata.

Un nucleo cilindrico verticale di strati di grafite e argento satinato su una base in grafite, con un unico sottile filo blu cobalto che attraversa ogni strato.Un nucleo cilindrico verticale di strati di grafite e argento satinato su una base in grafite, con un unico sottile filo blu cobalto che attraversa ogni strato.

Come funzionano provenienza, revisione e disapprendimento nella giornata del tuo team.

Il tuo team continua a lavorare come fa oggi. MS Duplex tiene la documentazione man mano che il lavoro procede e dà al tuo team i controlli per intervenire su di essa.

  1. 1

    Una lezione viene conservata con la sua fonte

    Quando un risultato viene confermato o un esperto corregge l’agente, MS Duplex registra la lezione con le sue prove e le condizioni in cui vale.

  2. 2

    Le raccomandazioni mostrano su cosa si basano

    Quando un agente propone un passaggio, il tuo team può vedere su quali lezioni si basa e da dove proviene ciascuna.

  3. 3

    La documentazione viene esaminata

    Le persone, entro il proprio ambito, possono esaminare la cronologia di ciò che è stato appreso, usato e approvato, ed esportarla.

  4. 4

    Una lezione viene corretta o rimossa

    Se una lezione è sbagliata, il tuo team la corregge e cambia solo quella lezione, oppure la rimuove e anche le raccomandazioni che si basavano su di essa vengono rimosse. In seguito può essere ripristinata.

Un esempio, in qualsiasi campo in cui un agente classifica candidati.

L’agente di un team classifica progetti candidati da sottoporre a revisione. Nel corso di una settimana, un valore di riferimento alla base di diverse raccomandazioni si rivela sbagliato.

  1. 1

    Una domanda su una classifica

    Lunedì un revisore chiede perché un candidato è al primo posto. La documentazione mostra le lezioni alla base della classifica, ciascuna con il risultato o il giudizio esperto da cui proviene.

  2. 2

    Una fonte rivelatasi sbagliata

    Martedì il team scopre che una di quelle lezioni si basa su una misura effettuata con una configurazione difettosa. La rimuovono. Le raccomandazioni che ne dipendevano vengono rimosse con essa, e ogni altra lezione resta.

  3. 3

    Una correzione

    Mercoledì un esperto corregge una seconda lezione che valeva in condizioni più ristrette di quelle registrate. Cambia solo quella lezione, e la classifica successiva dell’agente usa la versione corretta.

  4. 4

    La decisione ricostruita

    Venerdì un collega ricostruisce la nuova classifica dalla documentazione, vede ogni fonte e la cronologia di entrambe le modifiche, e la esporta per la revisione del progetto.

La provenienza rende affidabili le altre capacità.

Tutto ciò che MS Duplex impara, pianifica e decide si basa su una documentazione che il tuo team può verificare.

  • Apprendimento continuo

    Ogni lezione appresa in modo continuo arriva con la sua fonte, così la documentazione cresce man mano che l’IA impara.

  • Apprendere causa ed effetto

    Il legame tra un’azione, le sue condizioni e il suo esito resta documentato, così il tuo team può distinguere una scoperta da un’intuizione.

  • Regole e approvazioni

    Le approvazioni si trovano nella stessa cronologia delle lezioni, con chi ha approvato cosa.

  • Libertà di cambiare modello

    La cronologia e le sue fonti restano al tuo team quando cambi il modello, l’agente o il fornitore.

Cosa ottiene il tuo team.

Un’IA di cui il tuo team può tracciare, verificare e correggere ogni lezione.

  • Una fonte per ogni lezione

    Ogni elemento di esperienza mostra da dove proviene e su cosa si basa.

  • Decisioni che un altro ricercatore può riprodurre

    Una decisione può essere ricostruita dalla documentazione e verificata da qualcuno che non era presente.

  • Correzioni precise

    Correggi una lezione e cambia solo quella lezione, senza effetti collaterali sul resto.

  • Rimozione pulita

    Rimuovi una lezione e le raccomandazioni che ne dipendevano vengono rimosse con essa, mentre tutto il resto rimane.

  • Ripristino quando serve

    Una lezione rimossa può essere ripristinata se il tuo team decide che dopotutto era giusta.

  • Una cronologia esportabile

    Una cronologia completa e firmata di ciò che è stato appreso, usato e approvato, pronta da esaminare ed esportare.

Domande frequenti.

Cosa conserva ogni lezione come fonte?

Il risultato, la misura o il giudizio esperto da cui proviene, e le condizioni in cui è stata confermata. Quando un agente si basa su una lezione, il tuo team può vedere quella fonte e verificarla.

Cosa succede quando rimuoviamo una lezione?

La lezione viene rimossa, e le raccomandazioni che ne dipendevano vengono rimosse con essa. Tutto il resto resta com’era, e la lezione può essere ripristinata se il tuo team cambia idea.

Possiamo esportare la cronologia?

Sì. La cronologia firmata di ciò che è stato appreso, usato e approvato è pronta da esaminare ed esportare, così un altro ricercatore o un revisore può ricostruire una decisione a partire da essa.

In cosa è diverso dal correggere un modello sottoposto a fine-tuning?

Il fine-tuning incorpora la conoscenza nei pesi di un modello, quindi cambiare una cosa significa un altro addestramento. MS Duplex conserva ogni lezione accanto al modello, lasciandone invariati i pesi, così una singola lezione può essere corretta o rimossa da sola.

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.