MS DuplexApprendimento degli strumentiMostra tuttoMostra meno
Apprendimento degli strumenti.
I tuoi agenti imparano quale strumento si adatta a quale problema.
MS Duplex impara da come ogni strumento si è comportato su ogni tipo di problema. La prossima scelta di strumento, impostazione o metodo parte da questa esperienza, e i tuoi strumenti restano come sono.
Imparare e migliorare · una delle quattordici capacità di MS Duplex


Il tuo team ottiene
- Scelte di strumenti migliori a ogni esecuzione
- I tuoi strumenti esistenti, usati in modo più efficace
- Un’unica visione di ciò per cui ogni strumento è adatto
Cosa significa l’apprendimento degli strumenti per il tuo team.
Apprendimento degli strumenti significa che i tuoi agenti imparano dagli strumenti che usano. Ogni volta che un agente utilizza un simulatore, un codice di analisi, una query su database o uno strumento di misura, l’esito mostra quanto bene quello strumento, con quelle impostazioni, ha servito quel tipo di problema. MS Duplex conserva questa esperienza e la porta alla scelta successiva.
I tuoi agenti continuano ad accedere ai tuoi strumenti tramite le proprie connessioni. MS Duplex si affianca a loro e impara da ciò che è successo: quale strumento ha dato un risultato confermato, quale non è stato all’altezza e in quali condizioni. I tuoi strumenti non devono cambiare per questo.
Col tempo questo costruisce un’unica visione di ciò per cui ogni strumento è adatto, tratta dagli esiti del tuo team. Un nuovo ricercatore, un nuovo agente o un nuovo modello parte da quella visione invece di doverla ricostruire da capo.
Perché la ricerca ha bisogno di un’IA che impari i propri strumenti.
I team di ricerca si basano sugli strumenti. Scegliere quello giusto, con le impostazioni giuste, è spesso il punto in cui si decide il costo di un risultato.
La maggior parte dei team ha più di un modo per rispondere alla stessa domanda: un metodo più rapido e uno più approfondito, due simulatori con punti di forza diversi, un’analisi che funziona bene su un tipo di dati e male su un altro. Quale si adatta a un determinato problema è un know-how che i ricercatori esperti portano con sé, e che un agente che avvia una nuova sessione non ha.
Senza l’apprendimento degli strumenti, gli agenti scelgono gli strumenti in base a conoscenze generali e alle istruzioni che ricevono. Ricorrono a uno strumento che si è già dimostrato inadeguato su questo tipo di problema, usano impostazioni che qualcuno ha già trovato insufficienti e spendono calcolo e tempo di strumentazione in esecuzioni che il team avrebbe potuto prevedere.
Gli strumenti hanno punti di forza
Ogni strumento si adatta ad alcuni problemi meglio che ad altri, e i tuoi esiti mostrano a quali.
Le impostazioni contano
Lo stesso strumento con impostazioni diverse può dare un risultato utile o un’esecuzione sprecata.
Le esecuzioni costano care
Un’esecuzione con lo strumento sbagliato costa calcolo o tempo di strumentazione che una scelta migliore avrebbe risparmiato.
Il know-how se ne va
Ciò che i ricercatori esperti sanno dei tuoi strumenti dovrebbe restare al team quando cambiano ruolo.


Come funziona l’apprendimento degli strumenti nella giornata del tuo team.
I tuoi agenti continuano a usare i tuoi strumenti come fanno oggi. MS Duplex impara da come si è comportato ciascuno e porta questa esperienza nella scelta successiva.
- 1
Il tuo agente sceglie uno strumento
Esegue un simulatore, codice di analisi, una query su un database o uno strumento di misura tramite la propria connessione, con le impostazioni che ha scelto.
- 2
L’esito viene confermato
Un test, una misura o un esperto conferma il risultato, oppure lo corregge e spiega perché.
- 3
L’esperienza viene conservata
MS Duplex registra come quello strumento e quelle impostazioni si sono comportati su quel tipo di problema, con le prove e le condizioni.
- 4
La scelta successiva è più informata
Al successivo problema simile, in qualsiasi sessione, agente o modello, l’agente parte da ciò che ha funzionato. Dove le condizioni sono diverse, MS Duplex lo segnala.
Un esempio, in qualsiasi campo in cui un agente esegue analisi.
L’agente di un team sceglie tra due strumenti di analisi per un tipo di problema ricorrente. Nel giro di qualche settimana, le sue scelte migliorano senza che nessuno scriva una guida.
- 1
Una scelta predefinita lenta
All’inizio l’agente usa ogni volta lo strumento più approfondito. Un esperto nota che lo strumento più rapido dà la stessa risposta confermata nei casi semplici, e registra il motivo.
- 2
Un’impostazione che fallisce
In un caso più difficile, lo strumento più rapido con l’impostazione predefinita restituisce un risultato che non regge. L’esperto lo corregge, e MS Duplex conserva l’impostazione e le condizioni in cui ha fallito.
- 3
Una prima scelta migliore
Al caso semplice successivo, l’agente sceglie lo strumento più rapido. Al caso difficile successivo, passa direttamente allo strumento più approfondito e lascia da parte l’impostazione che ha fallito.
- 4
Una visione condivisa
L’agente di un collega, su un modello diverso, incontra lo stesso tipo di problema. Parte dalla stessa visione di quale strumento si adatta a quale caso, con ogni fonte documentata.
L’apprendimento degli strumenti rende più incisive le altre capacità.
Ciò che MS Duplex impara sui tuoi strumenti alimenta ogni scelta che fa il resto del livello.
Simulazione prima dell’azione
Prima di un’esecuzione costosa, le opzioni vengono valutate in base a ciò che il tuo team ha imparato su ogni strumento, così il budget va dove ha più probabilità di far avanzare il lavoro.
Apprendere causa ed effetto
Il legame tra uno strumento, le sue impostazioni, le condizioni e l’esito viene conservato, così una raccomandazione mostra su cosa si basa.
Metodi riutilizzabili
Uno strumento e un’impostazione confermati per un tipo di problema diventano parte di un metodo che i tuoi agenti riutilizzano e adattano.
Decisioni che conoscono i propri limiti
Dove l’esperienza mostra chiaramente quale strumento è adatto, la scelta viene fatta direttamente; dove è scarsa, passa al tuo modello o a un ricercatore.
Cosa ottiene il tuo team.
Agenti che diventano più bravi a usare i tuoi strumenti, con ogni scelta legata agli esiti del tuo team.
Scelte di strumenti migliori
Ogni esecuzione si aggiunge a ciò che i tuoi agenti sanno su quale strumento si adatta a quale problema.
Impostazioni migliori
Le impostazioni che hanno funzionato vengono provate per prime, e quelle che si sono rivelate inadeguate smettono di essere proposte.
I tuoi strumenti attuali
I tuoi simulatori, il codice di analisi, i database e la strumentazione restano come sono, usati in modo più efficace.
Un’unica visione di ogni strumento
Ciò per cui ogni strumento è adatto, tratto dai tuoi esiti, in un unico posto che il tuo team può rivedere.
Meno esecuzioni sprecate
Gli agenti smettono di ricorrere a uno strumento che si è già dimostrato inadeguato su quel tipo di problema.
Know-how che resta
Ciò che il tuo team impara sui propri strumenti resta al team, tra persone, agenti e modelli.
Domande frequenti.
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.

