A Microsoft adaptív AI-val gyorsítaná a tudományos felfedezést
A Microsoft szeptemberi blogbejegyzésben mutatta be, hogyan alkalmazza az adaptív, ügynökalapú AI-megközelítést a kutatás-fejlesztésben. A vállalat szerint a Microsoft Discovery Engine CLIO-val kiemelkedő eredményeket ért el az Agent’s Last Exam értékelésen.
- A Microsoft Discovery Engine CLIO-val három tudományos területen közölt benchmarkeredményeket.
- Az Agent’s Last Exam értékelésen 61,6%, 75,2% és 64,6% szerepel a Microsoft adatai között.
- A CLIO több független érvelési útvonalat használ, majd bizonyítékok alapján választ irányt.
- A Microsoft szerint a megközelítés már segített egy új szerves redox flow akkumulátor felfedezésében.
- A cél a kutatási ciklusok gyorsítása a szigor és a nyomon követhetőség megtartásával.
Mit mért a Microsoft
A Microsoft bejegyzése szerint a kutatás-fejlesztési szervezetek számára az ügynökalapú AI ígérete nem egyetlen jobb válasz, hanem egy olyan módszer, amely több hipotézist vizsgál, bizonyítékokkal ellenőriz, tanul a sikertelen próbálkozásokból, és új információk alapján módosítja a megközelítését.
A vállalat ezt a szemléletet a Microsoft Discovery platform egyik tervezési elvének nevezi. A platformot olyan szervezeteknek szánják, amelyek a Microsoft megfogalmazása szerint Frontier R&D területen dolgoznak.
Az új benchmarkeredmény az Agent’s Last Exam nevű értékeléshez kapcsolódik, amely hosszabb ideig futó, eszközhasználatot igénylő professzionális feladatokat vizsgál. A Microsoft Discovery Engine a CLIO, vagyis Cognitive Loop via In-Situ Optimization megközelítéssel a Microsoft közlése szerint magasabb pontszámokat ért el, mint az értékelt többi ügynökalapú keretrendszer három tudományos területen.
- Egészségügy és orvoslás: 61,6%
- Fizikai tudományok: 75,2%
- Élettudományok: 64,6%
Hogyan működik a CLIO megközelítés
A Microsoft leírása szerint a CLIO több független érvelési útvonalat enged egy probléma feltárására. Ezek az útvonalak összevetik és megosztják a tanulságokat, majd a legerősebb irányt egy bizonyítékokkal alátámasztott eredménybe rendezik.
A rendszer a vállalat szerint képes eldönteni, mikor érdemes tovább kutatni, stratégiát váltani, másik modellt használni, vagy bevonni egy szakterületi szakértőt. A Microsoft ezt adaptív érvelési ciklusként írja le, amely több modellt és több érvelési útvonalat is használhat.
A bejegyzés szerint erre azért van szükség, mert a legnehezebb tudományos és mérnöki problémáknál gyakran nincs előre meghatározott munkafolyamat vagy ismert válasz. A kutatóknak hiányos bizonyítékok, egymással versengő célok, speciális eszközök és változó korlátok között kell dönteniük.
Miért fontos ez a kutatás-fejlesztésben
A Microsoft példái szerint egy anyagtudományi csapatnak egyszerre kell mérlegelnie a teljesítményt, a biztonságot, a költséget és a gyárthatóságot. Egy élettudományi csapatnak szakirodalmat, saját adatokat, modelleket és kísérleti bizonyítékokat kell összekapcsolnia, mielőtt eldönti, mit validáljon következőként. Egy mérnöki csapatnak pedig nagy tervezési térben kell keresnie úgy, hogy közben megmaradjon a fizikai pontosság és a nyomon követhetőség.
A vállalat szerint ilyen helyzetekben egyetlen modellválasz nem elég. Olyan rendszerekre van szükség, amelyek időben elnyúló érvelést végeznek, megőrzik a bizonyítékokat, megkérdőjelezik a feltételezéseket, és illeszkednek a szakértők által már használt eszközökhöz, adatokhoz, irányítási és ellenőrzési folyamatokhoz.
A Microsoft azt is közölte, hogy a Discovery Engine CLIO-val már támogatott olyan munkát, amely egy új szerves redox flow akkumulátor felfedezéséhez vezetett. A vállalat szerint ugyanez a megközelítés használható lehet tervezési szimulációban, például szilíciumchipeknél, formulálásban és folyamatoptimalizálásban, anyag- és molekulafelfedezésben, valamint laborautomatizálásban.
Mit jelenthet ez a felhasználóknak és a piacnak
A Microsoft üzenete szerint az ügynökalapú felfedezés nem váltja le a tudósokat és mérnököket, hanem bővíti, mit tudnak feltárni, gyorsítja a bizonyítékokból való tanulást, és átláthatóbb utat ad az ötlettől a szakértők által értékelhető és validálható eredményig.
Ez a megközelítés azoknak a kutatás-fejlesztési szervezeteknek lehet fontos, amelyek rövidíteni szeretnék a kutatási ciklusokat, miközben a szigor, a nyomon követhetőség és a szakértői ellenőrzés megmarad. A Microsoft Discovery ennek megfelelően olyan vállalati platformként jelenik meg a bejegyzésben, amely a kutatók meglévő eszközeihez, adataihoz, irányítási szabályaihoz és felülvizsgálati folyamataihoz igazodik.
