Elk onderzoeksteam kent het verschil tussen een resultaat waarop het kan voortbouwen en een resultaat dat het één keer kreeg. Het eerste is bevestigd onder bekende omstandigheden en houdt stand als iemand het controleert. Het tweede kan toeval zijn. Mensen die al een tijd aan een project werken, dragen dat verschil in hun hoofd mee. Een AI-agent doet dat standaard niet: hij beveelt de volgende stap aan met dezelfde zelfverzekerde stem, of die stap nu rust op veel bevestigde runs of op één gelukkige middag.
Die kloof kost geld. Een instelling die toevallig aan een succes voorafging, wordt herhaald. Een optie die het team al had uitgesloten, wordt opnieuw voorgesteld. Een geval dat op niets lijkt wat het team eerder heeft gezien, wordt als routine behandeld, en een dure run gaat de verkeerde kant op. Dit artikel bekijkt drie mogelijkheden van MS Duplex die samen de kloof dichten: oorzaak en gevolg leren, simulatie vóór actie en beslissingen die hun grenzen kennen.
Houd de reden bij het resultaat
Een resultaat op zichzelf zegt wat er gebeurde. Het zegt niet waarom. Stel dat twee runs het doel halen en allebei dezelfde twee instellingen gebruikten. Een AI die alleen uitkomsten bewaart, kan niet zien welke instelling ertoe deed, dus beveelt hij beide aan, en een toevalligheid gaat zich gedragen als een regel.
MS Duplex bewaart het verband tussen wat er is gedaan, onder welke omstandigheden dat gebeurde en wat er daarna gebeurde, met het bewijs achter elk onderdeel. Naarmate er meer bevestigde runs binnenkomen, wordt het beeld scherper. Misschien leidt de ene instelling onder de gebruikelijke omstandigheden van het team tot het doel en maakte de andere geen verschil. De eerste wordt een vastgesteld verband. De tweede wordt opzijgezet, en de volgende aanbeveling leunt er niet meer op.
Wat de dag van een team verandert, is het label. Elke aanbeveling laat zien of het verband erachter is vastgesteld of nog niet, en voor welke omstandigheden. Als een onderzoeker vraagt naar een omstandigheid die het team niet heeft getest, beveelt MS Duplex de vastgestelde instelling aan en zegt het dat het verband daar niet is vastgesteld. De onderzoeker ziet een vermoeden dat als vermoeden is gemarkeerd.
Elke aanbeveling bevat wat een collega nodig zou hebben om haar te controleren:
- De aanbevolen actie, en de bevestigde uitkomsten waartoe die leidde
- De omstandigheden waaronder die uitkomsten zijn bevestigd
- Of het verband is vastgesteld voor de huidige omstandigheden, of nog niet
- De bronnen erachter, zodat een andere onderzoeker de aanbeveling kan reconstrueren
Zo worden de onbekenden een plan. De verbanden die het belangrijkst zijn en nog niet zijn vastgesteld, zijn de plek waar het volgende experiment het meeste oplevert. Een team kan het ongeteste geval als bewuste test draaien, en het bevestigde resultaat breidt het verband uit naar de nieuwe omstandigheid of markeert waar het niet meer geldt. Hoe dan ook weerspiegelt de volgende aanbeveling het.


Speel de opties door voordat het budget is besteed
De meeste onderzoeksbudgetten worden keuze voor keuze uitgegeven: een lange simulatie op gedeelde rekenkracht, een experiment dat schaars materiaal of instrumenttijd gebruikt, een ontwerpreview die een expert weghaalt van ander werk. Elk ervan is alleen de moeite waard als het het werk dichter bij het doel kan brengen. Met een vast budget is elke doodlopende weg één run minder voor een optie die had kunnen werken.
Vóór een kostbare stap weegt MS Duplex de waarschijnlijke uitkomst van elke optie af tegen het doel, op basis van wat je team al heeft bevestigd: de resultaten, de omstandigheden waaronder ze gelden, de correcties die je experts maakten en de runs die mislukten. Opties die het doel niet kunnen halen, of die onder dezelfde omstandigheden al mislukten, worden opzijgezet voordat er iets aan wordt besteed. Je simulators, instrumenten en analysecode leveren nog steeds de resultaten. MS Duplex helpt bepalen welke runs de moeite waard zijn.
Stel dat een team deze ronde budget heeft voor drie lange runs en negen kandidaatontwerpen op de lijst. Eén ronde kan er zo uitzien:
- De lijst komt binnenDe agent stelt voor deze ronde negen ontwerpen voor, elk met de instellingen waaronder het zou draaien.
- Elk ontwerp wordt afgewogenMS Duplex speelt elk ontwerp door tegen het doel, op basis van de bevestigde resultaten van het team en de omstandigheden waaronder ze gelden.
- Doodlopende wegen worden terzijde gelegdTwee ontwerpen herhalen een combinatie die onder dezelfde omstandigheden al mislukte, en één hangt af van een instelling die een expert eerder in het project heeft gecorrigeerd. Elk ervan wordt met de reden opzijgezet.
- Mager bewijs wordt gemarkeerdBij twee andere ontwerpen geeft de ervaring van het team nog geen voorkeur voor het ene boven het andere. Die keuze gaat naar het model of naar de teamleider, met een notitie over wat ontbreekt.
- Drie runs gaan doorDe meest veelbelovende ontwerpen draaien via de eigen tools van het team. In een beheerde omgeving kan een run boven de kostenlimiet van het team eerst wachten op goedkeuring door een persoon.
- De volgende ronde begint verderDe resultaten worden bevestigd, de redenering achter elke run en elk opzijgezet ontwerp blijft vastgelegd, en de volgende ronde begint bij wat deze liet zien.
Het dossier telt net zo zwaar als de keuze. Een leider die een kostbare run goedkeurt, kan zien waarom die boven de alternatieven is gekozen. Een onderzoeker die later bij het project komt, kan zien waarom een veelbelovend ogend ontwerp opzij is gezet, en of de reden nog geldt.
Beslecht wat bekend is, geef door wat dat niet is
Veel AI-werk van een onderzoeksteam is dezelfde beslissing, steeds opnieuw genomen: welke instelling past bij een bekende analyse, of een kandidaat door een bekende screening komt, welke methode past bij een standaardgeval. Elk daarvan via een model laten lopen kost aanroepen en tijd, en het antwoord kan tussen runs verschuiven, zelfs als het geval hetzelfde is gebleven.
Waar een methode die je team heeft bevestigd duidelijk van toepassing is, onder overeenkomende omstandigheden, neemt MS Duplex de beslissing direct en consistent, vaak helemaal zonder modelaanroep. Elke beslissing verwijst naar de methode en het bewijs erachter. Waar het bewijs mager is, gaat de beslissing naar je model om te doordenken, met een notitie over wat ontbreekt. Waar het geval op niets lijkt wat je team heeft bevestigd, wordt het gemarkeerd voor een onderzoeker, met de reden.
De volgende keer dat het geval zich voordoet
De beslissing van een onderzoeker over een gemarkeerd geval wordt met de reden geleerd. Wanneer een vergelijkbaar geval onder dezelfde omstandigheden binnenkomt, kan MS Duplex het direct beslechten, en hoeft de expert dezelfde vraag niet opnieuw te beantwoorden. Elke bevestigde beslissing vergroot de reeks gevallen die het team kan beslechten zonder te vragen, en de overdrachten die overblijven, zijn die waarvoor een persoon nodig is.
- −89%minder modelaanroepen dan een voor de taak gefinetuned model, bij terugkerend werk, in gecontroleerde tests van MatterSpace
Dat cijfer komt uit gecontroleerde tests van MatterSpace op terugkerend werk, waarbij beslissingen die een geleerde methode beslecht geen modelaanroep nodig hebben. Het laat zien waar de besparing vandaan komt: de uitgaven aan het model gaan naar de gevallen die redeneren vereisen. Een pilot meet wat het doet op je eigen werk.


Wat er verandert voor de mensen die het werk leiden
De drie mogelijkheden rusten op hetzelfde dossier, dus elk ervan versterkt de andere. Wat het team leert over oorzaak en gevolg, is waartegen elke optie wordt afgewogen vóór een kostbare stap. Waar het bewijs duidelijk één optie bevoordeelt, wordt de keuze direct beslecht. Waar het mager is, gaat die naar een persoon. Elke uitkomst die terugkomt, vult de verbanden aan waarop de volgende keuze steunt.
Voor een onderzoeksleider is de verandering op een paar concrete plekken te zien:
- Aanbevelingen die zeggen of ze rusten op een vastgesteld verband of op een aanname.
- Kostbare runs gekozen met de alternatieven en de redenen vastgelegd.
- Experttijd besteed aan de beslissingen die een expert nodig hebben, elk met een notitie over waarom die is doorgestuurd.
- Routinebeslissingen die consistent worden genomen als hetzelfde geval zich onder dezelfde omstandigheden voordoet.
- Uitgaven aan het model gericht op de gevallen die redeneren vereisen.
Als een verband verkeerd blijkt, kan het team het afzonderlijk corrigeren of verwijderen. Verwijder het en de aanbevelingen die ervan afhingen, verdwijnen mee, terwijl al het andere blijft zoals het was.
Beoordelen op je eigen beslissingen
De eerlijke test is het werk dat je team al herhaalt. Kies terugkerende workflows waarin beslissingen steeds opnieuw terugkomen en waarin een verkeerde of onnodige run duur is. Spreek de maatstaf met je experts af voordat er iets draait: de kosten van elk geaccepteerd, reproduceerbaar resultaat en de experttijd die het kost. Draai daarna hetzelfde model, dezelfde tools, dezelfde data en hetzelfde budget met en zonder MS Duplex, en laat je experts de resultaten scoren zonder te weten welke opzet ze heeft opgeleverd.
Kijk voor deze groep mogelijkheden goed naar de kostbare runs die naar opties gingen die het team al had uitgesloten, naar de vraag of elke overdracht de juiste persoon bereikte met een bruikbare reden, en naar de vraag of een onderzoeker een aanbeveling zonder hulp uit het dossier kan reconstrueren.
Veelgestelde vragen
Hoe weet MS Duplex dat een verband is vastgesteld?
Het beschouwt een verband tussen een actie en een uitkomst alleen als vastgesteld voor zover de bevestigde resultaten van je team het ondersteunen, en alleen voor de omstandigheden waaronder ze zijn bevestigd. Buiten die omstandigheden zegt de aanbeveling dat het verband nog niet is vastgesteld.
Vervangt simulatie vóór actie onze simulators?
Je simulators, instrumenten en analysecode leveren nog steeds de resultaten. Simulatie vóór actie helpt bepalen welke runs de moeite waard zijn, door elke optie af te wegen tegen het doel en tegen wat je team al heeft bevestigd.
Wie neemt de beslissingen die MS Duplex niet beslecht?
Gevallen die redeneren vereisen, gaan naar je model, met een notitie over welk bewijs ontbreekt. Gevallen die op niets lijken wat je team heeft bevestigd, worden gemarkeerd voor een onderzoeker. De beslissing van de onderzoeker wordt met de reden geleerd, zodat het volgende vergelijkbare geval direct kan worden beslecht.
Kan een persoon nog steeds een kostbare run goedkeuren?
Ja. In beheerde omgevingen wachten de stappen die je team selecteert, zoals een dure simulatie, op goedkeuring door een persoon voordat ze beginnen, en de goedkeuring wordt vastgelegd met wie wat heeft goedgekeurd.


Gebouwd door MatterSpace
MatterSpace bouwt MS Duplex voor wetenschappers, onderzoekers en ingenieurs in elk vakgebied, zodat de AI die ze al gebruiken leert van elk resultaat dat ze bevestigen.









