Moksliniai tyrimai tradiciškai buvo lėtas ir kruopštus procesas. Mokslininkai praleidžia metus tikrindami idėjas ir atlikdami eksperimentus. Jie skaito tūkstančius dokumentų ir bando susieti skirtingas žinias. Šis požiūris veikė ilgą laiką, tačiau paprastai reikia metų. Šiandien pasaulis susiduria su neatidėliotinomis problemomis, tokiomis kaip klimato pokyčiai ir ligos, kurioms reikia greitesnių atsakymų. „Microsoft“ mano, kad dirbtinis intelektas gali padėti išspręsti šią problemą. „Build 2025“ metu „Microsoft“ pristatė „Microsoft Discovery“ – naują platformą, kuri naudoja AI agentus tyrimams ir plėtrai pagreitinti. Šiame straipsnyje paaiškinta, kaip veikia „Microsoft Discovery“ ir kodėl agentai yra svarbūs tyrimams ir plėtrai.
Šiuolaikinių mokslinių tyrimų iššūkiai
Tradiciniai tyrimai ir plėtra susiduria su keliais iššūkiais, kurie tęsėsi dešimtmečius. Mokslinės žinios yra didžiulės ir pasiskirsto daugelyje dokumentų, duomenų bazių ir saugyklų. Susijungti iš skirtingų sričių idėjų reikia specialios patirties ir daug laiko. Tyrimų projektai apima daugybę žingsnių, tokių kaip literatūros peržiūra, hipotezių formavimas, eksperimentų projektavimas, duomenų analizė ir rezultatų tobulinimas. Kiekvienam žingsniui reikia skirtingų įgūdžių ir įrankių, todėl sunku išlaikyti nuolatinę ir nuoseklią progresą. Taip pat tyrimai yra iteracinis procesas. Mokslinės žinios auga per įrodymus, bendraamžių diskusijas ir nuolatinį tobulinimą. Šis iteracinis pobūdis sukuria didelį laiko vėlavimą tarp pradinių idėjų ir praktinių programų. Dėl šių klausimų auga atotrūkis tarp to, kaip greitai pasiekia mokslo pažangą ir kaip greitai reikia sprendimų dėl tokių problemų kaip klimato pokyčiai ir ligos. Šie skubūs klausimai reikalauja greitesnių naujovių, nei gali pateikti tradiciniai tyrimai.
„Microsoft Discovery“: pagreitina mokslinius tyrimus ir plėtrą su AI agentais
„Microsoft Discovery“ yra nauja įmonių platforma, sukurta moksliniams tyrimams. Tai suteikia galimybę AI agentams dirbti su žmonių mokslininkais, generuoti hipotezes, analizuoti duomenis ir atlikti eksperimentus. „Microsoft“ sukūrė „Azure“ platformą, kuri suteikia skaičiavimo galią, reikalingą modeliavimui ir duomenų analizei.
Platforma išsprendžia tyrimų iššūkius per tris pagrindines savybes. Pirma, jis naudoja žinių pagrindu pagrįstus pagrindus, kad sujungtų informaciją įvairiose srityse ir leidiniuose. Antra, jame naudojami specializuoti AI agentai, kurie gali sutelkti dėmesį į konkrečias tyrimų užduotis, derinant su kitais agentais. Trečia, jis palaiko pasikartojantį mokymosi ciklą, kuris pritaiko tyrimų strategijas, pagrįstas rezultatais ir atradimais.
Tai, kas daro „Microsoft Discovery“, skiriasi nuo kitų AI įrankių, yra jos palaikymas visam tyrimų procesui. Užuot padėję atlikti tik vieną tyrimų dalį, platforma remia mokslininkus nuo idėjos pradžios iki galutinių rezultatų. Ši visiška parama gali žymiai sutrumpinti laiką, reikalingą moksliniams atradimams.
Grafas pagrįstas žinių variklis
Tradicinės paieškos sistemos randa dokumentus atitinkančiais raktiniais žodžiais. Nors šis požiūris yra efektyvus, dažnai atsiveria gilesni ryšiai su mokslinėmis žiniomis. „Microsoft Discovery“ naudoja grafiką pagrįstą žinių variklį, kuris nubrėžia ryšius tarp duomenų iš vidinių ir išorinių mokslinių šaltinių. Ši sistema gali suprasti prieštaringas teorijas, skirtingus eksperimento rezultatus ir prielaidas visose srityse. Užuot tiesiog ieškoję dokumentų tema, jis gali parodyti, kaip išvados vienoje srityje taikomos kitoje problemoms.
Žinių variklis taip pat parodo, kaip jis daro išvadas. Tai seka šaltinius ir samprotavimo veiksmus, todėl tyrėjai gali patikrinti AI logiką. Šis skaidrumas yra svarbus, nes mokslininkai turi suprasti, kaip daromos išvados, o ne tik atsakymai. Pavyzdžiui, ieškodama naujų akumuliatorių medžiagų, sistema gali susieti žinias iš metalurgijos, chemijos ir fizikos. Tai taip pat gali rasti prieštaravimų ar trūkstamos informacijos. Šis platus vaizdas padeda tyrėjams rasti naujas idėjas, kurių kitaip būtų galima praleisti.
AI agentų vaidmuo „Microsoft Discovery“
Agentas yra dirbtinio intelekto rūšis, galinti savarankiškai atlikti užduotis. Skirtingai nuo įprastos AI, kuri padeda žmonėms tik laikantis instrukcijų, agentai priima sprendimus, planuoja veiksmus ir savarankiškai sprendžia problemas. Jie dirba kaip intelektualūs padėjėjai, kurie gali imtis iniciatyvos, mokytis iš duomenų ir padėti atlikti sudėtingą darbą, nereikalaujant nuolatinių žmonių instrukcijų.
Užuot naudojęs vieną didelę AI sistemą, „Microsoft Discovery“ naudoja daugybę specializuotų agentų, kurie daugiausia dėmesio skiria skirtingoms tyrimų užduotims ir koordinuoja tarpusavyje. Šis požiūris imituoja, kaip žmonių tyrimų komandos dirba ten, kur ekspertai, turintys skirtingus įgūdžius, veikia kartu ir dalijasi žiniomis. Tačiau AI agentai gali nuolat dirbti, tvarkydami didžiulį kiekį duomenų ir palaikydami puikų koordinavimą.
Platforma leidžia tyrėjams sukurti pasirinktinius agentus, kurie atitiktų jų specializuotus reikalavimus. Tyrėjai gali nurodyti šiuos reikalavimus natūralia kalba, nereikalaudami jokių programavimo įgūdžių. Agentai taip pat gali pasiūlyti, kurias įrankius ar modelius jie turėtų naudoti ir kaip jie turėtų bendradarbiauti su kitais agentais.
„Microsoft Copilot“ vaidina pagrindinį vaidmenį šiame bendradarbiavime. Tai veikia kaip mokslinis AI asistentas, kuris organizuoja specializuotus agentus, remiantis tyrėjų raginimais. „Copilot“ supranta galimus įrankius, modelius ir žinių bazes platformoje ir gali nustatyti visas darbo eigas, apimančias visą atradimo procesą.
Realaus pasaulio poveikis
Tikrasis bet kurios tyrimų platformos testas yra jos realaus pasaulio vertė. „Microsoft“ tyrėjai per maždaug 200 valandų rado naują duomenų centrų aušinimo skystį be kenksmingų PFAS chemikalų. Šis darbas paprastai užtruktų mėnesius ar metus. Naujai atrastas aušinimo skystis gali padėti sumažinti žalą aplinkai technologijos srityje.
Naujų formulių paieška ir išbandymas per kelias savaites, o ne metus, gali pagreitinti perėjimą prie valymo duomenų centrų. Procese buvo naudojami keli AI agentai molekulėms patikrinti, modeliuoti savybes ir pagerinti našumą. Po skaitmeninės fazės jie sėkmingai pagamino ir išbandė aušinimo skystį, patvirtindami AI prognozes ir platformos tikslumą.
„Microsoft Discovery“ taip pat naudojamas kitose srityse. Pavyzdžiui, Ramiojo vandenyno šiaurės vakarų nacionalinė laboratorija naudoja ją kurdama mašininio mokymosi modelius cheminiams atskyrimams, reikalingiems branduoliniam mokslui. Šie procesai yra sudėtingi ir skubūs, todėl greitesni tyrimai yra kritiški.
Mokslinių tyrimų ateitis
„Microsoft Discovery“ iš naujo nustato, kaip atliekami tyrimai. Užuot dirbę vienas su ribotomis priemonėmis, mokslininkai gali bendradarbiauti su AI agentais, kurie tvarko didelę informaciją, surastų modelius visose srityse ir keisti metodus, pagrįstus rezultatais. Šis poslinkis įgalina naujus atradimo metodus, susiejant idėjas iš skirtingų sričių. Medžiagos mokslininkas gali naudoti biologijos įžvalgas, narkotikų tyrėjas gali pritaikyti fizikos išvadas, o inžinieriai gali naudoti chemijos žinias.
Platformos modulinė konstrukcija leidžia jai augti naudojant naujus AI modelius ir domenų įrankius nekeičiant dabartinių darbo eigų. Tai palaiko žmonių tyrėjus, sustiprina jų kūrybiškumą ir intuiciją, tvarkant sunkų skaičiavimo darbą.
Iššūkiai ir svarstymai
Nors AI agentų mokslinių tyrimų potencialas yra didelis, išlieka keletas iššūkių. AI hipotezių užtikrinimas yra tikslūs poreikiai. AI samprotavimų skaidrumas yra svarbus norint įgyti mokslininkų pasitikėjimą. Integruoti platformą į esamas tyrimų sistemas gali būti sunku. Organizacijos turi koreguoti procesus, kad būtų naudojami agentai laikydamasis taisyklių ir standartų.
Pažangių tyrimų priemonių, plačiai prieinamų, kyla klausimų apie intelektinės nuosavybės ir konkurencijos apsaugą. Kadangi AI palengvina tyrimų daugeliui, mokslinės disciplinos gali žymiai pasikeisti.
Esmė
„Microsoft Discovery“ siūlo naują tyrimų atlikimo būdą. Tai suteikia galimybę AI agentams dirbti su žmonių tyrėjais, pagreitinti atradimus ir naujoves. Ankstyvosios sėkmės, tokios kaip aušinimo skysčio atradimas ir pagrindinių kompanijų susidomėjimas, rodo, kad AI agentai gali pakeisti tai, kaip moksliniai tyrimai ir plėtra veikia įvairiose pramonės šakose. Sutrumpinus tyrimų laiką nuo metų iki savaičių ar mėnesių, tokios platformos kaip „Microsoft Discovery“ gali padėti greičiau išspręsti pasaulinius iššūkius, tokius kaip klimato pokyčiai ir ligos. Svarbiausia yra subalansuoti PG galią su žmogaus priežiūra, todėl technologijos palaiko, o ne pakeičia, žmogaus kūrybiškumą ir sprendimų priėmimą.
