Hopp til innholdet
Advancing Bits to Master Atoms

Opphav, gjennomgang og avlæring.
Hver lærdom beholder kilden sin og kan rettes eller fjernes.

I MS Duplex viser hver del av erfaringen kilden sin og hva den bygger på, i én historikk teamet ditt kan gå gjennom og eksportere.

Huske og styre · en av de fjorten funksjonene i MS Duplex

En kjede av ledd i satinert sølv som ligger over en sokkel i grafitt og fører tilbake til en liten koboltblå blokk i den ene enden.En kjede av ledd i satinert sølv som ligger over en sokkel i grafitt og fører tilbake til en liten koboltblå blokk i den ene enden.

Teamet ditt får

  • Beslutninger en annen forsker kan reprodusere
  • Feil rettet presist, uten bivirkninger
  • En fullstendig, eksporterbar historikk over arbeidet

Hva opphav, gjennomgang og avlæring betyr for teamet ditt.

Opphav betyr at hver del av erfaringen i MS Duplex viser hvor den kom fra: resultatet, målingen eller ekspertvurderingen bak den, og betingelsene den ble bekreftet under. Når en agent anbefaler et steg, kan teamet ditt se hva anbefalingen bygger på.

Gjennomgang betyr at hele loggen ligger i én historikk teamet ditt kan lese og eksportere. Den dekker hva som ble lært, hva som ble brukt og hva som ble godkjent, og den er signert. En annen forsker kan gjenskape en beslutning fra den og kontrollere den selv.

Avlæring betyr at en feil kan rettes presist. Korriger en lærdom, så endres bare den lærdommen. Fjern den, så forsvinner anbefalingene som var avhengige av den, mens alt annet forblir som det var. En fjernet lærdom kan gjenopprettes hvis teamet ditt ombestemmer seg.

Hvorfor forskning trenger KI som viser kildene sine.

En konklusjon er bare så nyttig som belegget bak den. KI som ikke kan vise kildene sine, ber teamet ditt om å ta den på ordet.

I forskning må hvert resultat kunne spores. En fagfelle spør hvor et tall kom fra, en kollega vil kontrollere en beslutning før de bygger videre på den, og et senere prosjekt må vite hvilke antakelser som holdt på det tidspunktet. Når KI-ens resonnement bygger på lærdommer uten kilde, har ingen av disse spørsmålene et svar.

Feil skjer også. En måling viser seg å være gal, eller en eksperts korreksjon holdt bare under betingelser ingen skrev ned. Når kunnskap er bakt inn i en modells vekter, betyr det å rette én ting en ny treningskjøring, og annen kunnskap kan slites ned samtidig. I MS Duplex står hver lærdom for seg selv, så teamet ditt korrigerer eller fjerner den som er feil.

  • Sporbart belegg

    Hver lærdom peker til resultatet, målingen eller ekspertvurderingen den kom fra.

  • Reproduserbare beslutninger

    En annen forsker kan gjenskape en beslutning fra loggen og kontrollere den selv.

  • Presise korreksjoner

    Én feil lærdom kan rettes uten å røre resten av det teamet har bygd opp.

  • Kunnskap som utvikler seg

    En ny måling erstatter den gamle, og historikken over hva som endret seg, bevares.

En stående sylindrisk kjerne med lag av grafitt og satinert sølv på en sokkel i grafitt, med én tynn koboltblå tråd som går gjennom hvert lag.En stående sylindrisk kjerne med lag av grafitt og satinert sølv på en sokkel i grafitt, med én tynn koboltblå tråd som går gjennom hvert lag.

Slik fungerer opphav, gjennomgang og avlæring i teamets hverdag.

Teamet ditt fortsetter å jobbe slik det gjør i dag. MS Duplex fører loggen mens arbeidet pågår, og gir teamet ditt kontrollene til å handle ut fra den.

  1. 1

    En lærdom lagres med kilden sin

    Når et resultat bekreftes eller en ekspert korrigerer agenten, registrerer MS Duplex lærdommen med belegget og betingelsene den holder under.

  2. 2

    Anbefalinger viser grunnlaget sitt

    Når en agent foreslår et steg, kan teamet ditt se hvilke lærdommer det bygger på og hvor hver av dem kom fra.

  3. 3

    Loggen gjennomgås

    Personer innenfor sitt omfang kan gå gjennom historikken over hva som ble lært, brukt og godkjent, og eksportere den.

  4. 4

    En lærdom korrigeres eller fjernes

    Hvis en lærdom er feil, korrigerer teamet ditt den, og bare den lærdommen endres, eller fjerner den, og anbefalingene som bygde på den, forsvinner også. Den kan gjenopprettes senere.

Et eksempel, fra ethvert fagfelt der en agent rangerer kandidater.

Et teams agent rangerer kandidatdesign for gjennomgang. I løpet av én uke viser det seg at en referanseverdi bak flere anbefalinger er feil.

  1. 1

    Et spørsmål om en rangering

    På mandag spør en fagfelle hvorfor en kandidat er rangert først. Loggen viser lærdommene bak rangeringen, hver med resultatet eller ekspertvurderingen den kom fra.

  2. 2

    En kilde viser seg å være feil

    På tirsdag finner teamet ut at én av disse lærdommene bygger på en måling tatt med et defekt oppsett. De fjerner den. Anbefalingene som var avhengige av den, forsvinner med den, og alle andre lærdommer blir værende.

  3. 3

    En korreksjon

    På onsdag korrigerer en ekspert en annen lærdom som holdt under snevrere betingelser enn det som var registrert. Bare den lærdommen endres, og agentens neste rangering bruker den korrigerte versjonen.

  4. 4

    Beslutningen gjenskapt

    På fredag gjenskaper en kollega den nye rangeringen fra loggen, ser hver kilde og historikken for begge endringene, og eksporterer den til prosjektgjennomgangen.

Opphav gjør de andre funksjonene pålitelige.

Alt MS Duplex lærer, planlegger og avgjør, bygger på en logg teamet ditt kan kontrollere.

  • Kontinuerlig læring

    Hver lærdom fra den kontinuerlige læringen kommer med kilden sin, så loggen vokser etter hvert som KI-en lærer.

  • Læring av årsak og virkning

    Koblingen mellom en handling, betingelsene og utfallet forblir loggført, så teamet ditt kan skille et funn fra en anelse.

  • Regler og godkjenninger

    Godkjenninger ligger i den samme historikken som lærdommene, med hvem som godkjente hva.

  • Frihet til å bytte modell

    Historikken og kildene blir hos teamet ditt når du bytter modell, agent eller leverandør.

Dette får teamet ditt.

KI der teamet ditt kan spore, kontrollere og rette hver lærdom.

  • En kilde for hver lærdom

    Hver del av erfaringen viser hvor den kom fra og hva den bygger på.

  • Beslutninger en annen forsker kan reprodusere

    En beslutning kan gjenskapes fra loggen og kontrolleres av noen som ikke var der.

  • Presise korreksjoner

    Korriger en lærdom, så endres bare den lærdommen, uten bivirkninger på resten.

  • Ren fjerning

    Fjern en lærdom, så forsvinner anbefalingene som var avhengige av den, mens alt annet blir værende.

  • Gjenopprett ved behov

    En fjernet lærdom kan gjenopprettes hvis teamet ditt kommer frem til at den likevel var riktig.

  • En eksporterbar historikk

    En fullstendig, signert historikk over hva som ble lært, brukt og godkjent, klar til gjennomgang og eksport.

Vanlige spørsmål.

Hva beholder hver lærdom som kilde?

Resultatet, målingen eller ekspertvurderingen den kom fra, og betingelsene den ble bekreftet under. Når en agent bygger på en lærdom, kan teamet ditt se den kilden og kontrollere den.

Hva skjer når vi fjerner en lærdom?

Lærdommen fjernes, og anbefalingene som var avhengige av den, forsvinner med den. Alt annet forblir som det var, og lærdommen kan gjenopprettes hvis teamet ditt ombestemmer seg.

Kan vi eksportere historikken?

Ja. Den signerte historikken over hva som ble lært, brukt og godkjent, er klar til gjennomgang og eksport, så en annen forsker eller en fagfelle kan gjenskape en beslutning fra den.

Hvordan skiller dette seg fra å korrigere en finjustert modell?

Finjustering baker kunnskap inn i en modells vekter, så det å endre én ting betyr en ny treningskjøring. MS Duplex holder hver lærdom ved siden av modellen, med vektene uendret, så én lærdom kan korrigeres eller fjernes for seg.

La neste kjøring dra nytte av den forrige.

Kom til oss med forskningen KI-en din bør bli bedre på. Vi planlegger en pilot på dine egne arbeidsflyter, med ekspertene dine som dommere.