MS DuplexUrsprung, granskning och avinlärningVisa allaVisa färre
Ursprung, granskning och avinlärning.
Varje lärdom behåller sin källa och kan rättas eller tas bort.
I MS Duplex visar varje del av erfarenheten sin källa och vad den vilar på, i en enda historik som ditt team kan granska och exportera.
Minnas och styra · en av de fjorton förmågorna i MS Duplex


Ditt team får
- Beslut som en annan forskare kan reproducera
- Misstag som rättas precist, utan bieffekter
- En fullständig, exporterbar historik över arbetet
Vad ursprung, granskning och avinlärning betyder för ditt team.
Ursprung betyder att varje del av erfarenheten i MS Duplex visar var den kommer ifrån: resultatet, mätningen eller expertbedömningen bakom den, och de förhållanden den bekräftades under. När en agent rekommenderar ett steg kan ditt team se vad rekommendationen förlitar sig på.
Granskning betyder att allt som registrerats samlas i en enda historik som ditt team kan läsa och exportera. Den omfattar vad som lärdes in, vad som användes och vad som godkändes, och den är signerad. En annan forskare kan återskapa ett beslut utifrån den och kontrollera det själv.
Avinlärning betyder att ett misstag kan rättas precist. Korrigera en lärdom så ändras bara den lärdomen. Ta bort den så försvinner de rekommendationer som berodde på den, medan allt annat förblir som det var. En borttagen lärdom kan återställas om ditt team ändrar sig.
Därför behöver forskning AI som visar sina källor.
En slutsats är bara så användbar som beläggen bakom den. AI som inte kan visa sina källor ber ditt team att lita på dess ord.
Inom forskning måste varje resultat gå att spåra. En granskare frågar var en siffra kommer ifrån, en kollega vill kontrollera ett beslut innan kollegan bygger vidare på det, och ett senare projekt behöver veta vilka antaganden som gällde då. När AI:ns resonemang vilar på lärdomar utan källa har ingen av dessa frågor något svar.
Misstag händer också. En mätning visar sig vara fel, eller en experts korrigering gällde bara under förhållanden som ingen skrev ned. När kunskap är inbakad i en modells vikter kräver det en ny träningskörning att rätta en enda sak, och annan kunskap kan nötas ned på köpet. I MS Duplex står varje lärdom för sig, så att ditt team korrigerar eller tar bort den som är fel.
Spårbara belägg
Varje lärdom pekar på det resultat, den mätning eller den expertbedömning den kom från.
Reproducerbara beslut
En annan forskare kan återskapa ett beslut utifrån historiken och kontrollera det själv.
Precisa korrigeringar
En felaktig lärdom kan rättas utan att röra resten av det som teamet har byggt upp.
Kunskap som går vidare
En ny mätning ersätter den gamla, och historiken över vad som ändrats sparas.


Så fungerar ursprung, granskning och avinlärning i ditt teams vardag.
Ditt team fortsätter att arbeta som i dag. MS Duplex för historiken medan arbetet pågår och ger ditt team kontrollerna för att agera utifrån den.
- 1
En lärdom sparas med sin källa
När ett resultat bekräftas eller en expert korrigerar agenten registrerar MS Duplex lärdomen med dess belägg och de förhållanden den gäller under.
- 2
Rekommendationer visar sin grund
När en agent föreslår ett steg kan ditt team se vilka lärdomar det förlitar sig på och var var och en kommer ifrån.
- 3
Historiken granskas
Personer inom sin behörighet kan granska historiken över vad som lärts in, använts och godkänts, och exportera den.
- 4
En lärdom korrigeras eller tas bort
Om en lärdom är fel korrigerar ditt team den, och bara den lärdomen ändras, eller tar bort den, och då försvinner även de rekommendationer som vilade på den. Den kan återställas senare.
Ett exempel, inom vilket område som helst där en agent rangordnar kandidater.
Ett teams agent rangordnar kandidatdesigner för granskning. Under en vecka visar sig ett referensvärde bakom flera rekommendationer vara fel.
- 1
En fråga om en rangordning
På måndagen frågar en granskare varför en kandidat rankas först. Historiken visar lärdomarna bakom rangordningen, var och en med det resultat eller den expertbedömning den kommer från.
- 2
En källa visar sig vara fel
På tisdagen upptäcker teamet att en av lärdomarna vilar på en mätning som gjorts med en felaktig uppställning. De tar bort den. De rekommendationer som berodde på den försvinner med den, och varje annan lärdom stannar kvar.
- 3
En korrigering
På onsdagen korrigerar en expert en andra lärdom som gällde under snävare förhållanden än vad som registrerats. Bara den lärdomen ändras, och agentens nästa rangordning använder den korrigerade versionen.
- 4
Beslutet återskapas
På fredagen återskapar en kollega den nya rangordningen utifrån historiken, ser varje källa och förloppet för båda ändringarna och exporterar det till projektgranskningen.
Ursprung gör de andra förmågorna pålitliga.
Allt som MS Duplex lär sig, planerar och beslutar vilar på en historik som ditt team kan kontrollera.
Kontinuerlig inlärning
Varje lärdom från det kontinuerliga lärandet kommer med sin källa, så att historiken växer i takt med att AI:n lär sig.
Lära sig orsak och verkan
Kopplingen mellan en handling, dess förhållanden och dess utfall förblir registrerad, så att ditt team kan skilja ett fynd från en aning.
Regler och godkännanden
Godkännanden finns i samma historik som lärdomarna, med vem som godkände vad.
Frihet att byta modell
Historiken och dess källor stannar hos ditt team när du byter modell, agent eller leverantör.
Det här får ditt team.
AI där ditt team kan spåra, kontrollera och rätta varje lärdom.
En källa för varje lärdom
Varje del av erfarenheten visar var den kommer ifrån och vad den vilar på.
Beslut som en annan forskare kan reproducera
Ett beslut kan återskapas ur historiken och kontrolleras av någon som inte var med.
Precisa korrigeringar
Korrigera en lärdom så ändras bara den lärdomen, utan bieffekter på resten.
Ren borttagning
Ta bort en lärdom så försvinner de rekommendationer som berodde på den, medan allt annat stannar kvar.
Återställ vid behov
En borttagen lärdom kan återställas om ditt team kommer fram till att den var riktig ändå.
En exporterbar historik
En fullständig, signerad historik över vad som lärts in, använts och godkänts, redo att granska och exportera.
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.

