MS DuplexLösa nya problemVisa allaVisa färre
Lösa nya problem.
Löser nya fall utifrån det som är känt och kontrollerar först.
MS Duplex tar fram ett angreppssätt för ett nytt fall utifrån de metoder och resultat som ditt team redan har bekräftat, och kontrollerar det sedan innan någon förlitar sig på det. När angreppssättet har verifierats blir det en metod för nästa liknande fall.
Planera och besluta · en av de fjorton förmågorna i MS Duplex


Ditt team får
- Snabbare start på obekanta problem
- Nya tillvägagångssätt kontrolleras innan man litar på dem
- Varje löst problem bidrar till vad teamet kan göra
Vad det betyder för ditt team att lösa nya problem.
Att lösa nya problem betyder att din AI har någonstans att börja när ett fall är obekant. MS Duplex tittar på vad ditt team redan har bekräftat, de metoder som fungerade, resultaten de gav och de förhållanden de gäller under, och sätter ihop ett angreppssätt för det nya fallet utifrån dem.
Ett nytt angreppssätt är ett förslag tills det har kontrollerats. MS Duplex kontrollerar det innan någon förlitar sig på det, och dina forskare kan se vilka bekräftade metoder och resultat det byggdes av, var och en med sin källa.
När angreppssättet har verifierats sparas det som en metod. Nästa liknande fall utgår från den metoden, så att varje problem som ditt team löser bidrar till vad teamet kan göra.
Därför behöver forskning AI som kan ta sig an det obekanta.
Forskning är arbetet med att möta fall som ingen har löst ännu. Rutinen är bara en del av jobbet.
Ett nytt designmål, en ovanlig uppsättning indata, en analys som ingen har satt upp förut: det är i dessa fall som en agent skulle kunna hjälpa mest och där risken är störst att den gör fel. Att börja från ett tomt blad innebär långsamma framsteg, och att gissa innebär ett angreppssätt som ingen kan gå i god för.
De flesta nya fall är besläktade med något som teamet redan har gjort. De metoder, resultat och korrigeringar som byggts upp under tidigare arbete rymmer mycket av svaret, när AI:n väl kan hämta ur dem och kontrollera det den bygger innan man litar på det.
Nya fall är jobbet
Forskning stöter hela tiden på fall som inte liknar de tidigare, och vart och ett behöver ett angreppssätt.
Erfarenhet är utgångspunkten
De metoder och resultat som ditt team redan har bekräftat är det bästa materialet för ett angreppssätt till ett närliggande fall.
Förtroende kräver en kontroll
Ett angreppssätt för ett nytt fall ska kontrolleras innan någon förlitar sig på det, hur rimligt det än ser ut.
Lösningar ska bygga på varandra
Ett problem som har lösts en gång ska göra nästa liknande fall till en fråga om att tillämpa en känd metod.


Så går lösningen av nya problem till i ditt teams vardag.
Din agent stöter på ett fall som den inte har sett. MS Duplex hjälper den att utgå från det som teamet redan vet.
- 1
Ett nytt fall dyker upp
Din agent stöter på ett fall som ingen bekräftad metod täcker direkt, med sitt eget mål och sina egna förhållanden.
- 2
Ett angreppssätt sätts ihop
MS Duplex sätter ihop ett angreppssätt av de metoder och resultat som ditt team redan har bekräftat, var och en med sin källa.
- 3
Angreppssättet kontrolleras
Innan någon förlitar sig på det kontrolleras angreppssättet, och dina forskare kan se vad det är byggt av.
- 4
Det blir en metod
När angreppssättet har verifierats sparas det som en metod, så att nästa liknande fall utgår därifrån.
Ett exempel, inom vilket område som helst där nya fall hela tiden dyker upp.
Ett teams agent kör en standardanalys på inkommande data. En dag kommer en förfrågan som kombinerar två saker som teamet bara har hanterat var för sig.
- 1
Det nya fallet
Förfrågan kräver att data från två olika källor behandlas i en och samma analys. Ingen bekräftad metod täcker båda samtidigt.
- 2
Angreppssättet
MS Duplex sätter ihop ett angreppssätt av två bekräftade metoder, en för varje källa, tillsammans med de förhållanden som var och en bekräftades under, och visar var varje del kommer ifrån.
- 3
Kontrollen
Angreppssättet kontrolleras på ett fall med känt svar innan det används. En forskare granskar det, justerar ett steg och godkänner det.
- 4
Nästa gång
Angreppssättet sparas som en metod. När en liknande förfrågan kommer senare tillämpar agenten den direkt, och metoden verifieras på nytt där den används.
Att lösa nya problem fungerar tillsammans med de andra förmågorna.
Ett nytt angreppssätt byggs av det som resten av lagret har behållit, och när det har verifierats bidrar det till detta.
Återanvändbara metoder
De metoder som ditt team har verifierat är byggstenarna i varje nytt angreppssätt, och ett verifierat angreppssätt ansluter sig till dem som en ny metod.
Lära sig orsak och verkan
Det som ditt team har lärt sig om vilken handling som ledde till vilket utfall visar vilka delar av tidigare arbete som går att föra över till det nya fallet.
Beslut som känner sina gränser
När ett fall inte liknar något som setts tidigare går beslutet till din modell eller en forskare, med skälet.
Ursprung, granskning och avinlärning
Varje nytt angreppssätt behåller de källor det byggdes av, så att en forskare kan kontrollera vad det vilar på.
Det här får ditt team.
En snabbare start på obekanta problem, där varje nytt angreppssätt kontrolleras innan man litar på det.
Snabbare start på obekanta problem
Ett nytt fall utgår från de metoder och resultat som ditt team redan har bekräftat, i stället för från ett tomt blad.
Angreppssätt som kontrolleras innan man litar på dem
Ett nytt angreppssätt kontrolleras innan någon förlitar sig på det, och dina forskare avgör om det ska antas.
Synliga byggstenar
Varje angreppssätt visar de bekräftade metoder och resultat som det byggdes av, var och en med sin källa.
Varje löst problem bidrar
Ett verifierat angreppssätt blir en metod, så att nästa liknande fall hanteras direkt.
Experter där de gör skillnad
Dina forskare lägger sin granskningstid på det nya och ovanliga, medan välbekanta fall följer de metoder som teamet litar på.
Kunnande som växer
Bredden av fall som ditt teams AI kan hantera växer med varje problem som teamet löser.
Vanliga frågor.
Låt nästa körning dra nytta av den förra.
Kom till oss med den forskning som din AI borde bli bättre på. Vi planerar en pilot på dina egna arbetsflöden, med dina experter som domare.

