Modul zjišťování

Modul Discovery Engine je kognitivním jádrem Microsoft Discovery. Funguje jako autonomní výzkumný partner, který plánuje práci, deleguje úkoly specializovaným agentům, sleduje průběh a přizpůsobuje se, pokud se výsledky liší od očekávání. Namísto reakce na jednotlivé výzvy v okně chatu běží modul nepřetržitě na pozadí, zatímco se zaměřujete na vědecké rozhodnutí, která jsou nejdůležitější.

Tradiční asistenti umělé inteligence pracují v cyklu otázek a odpovědí. Ptáte se, reagují a konverzace končí. Modul zjišťování funguje jinak. Popíšete cíl, ať už jde o jednu větu, nebo podrobný plán výzkumu. Stroj přebírá odpovědnost za jeho rozdělení, provádění a zpětné hlášení. Tento proces probíhá v průběhu hodin a dnů, nikoli sekund a minut.

Jak je motor strukturovaný

Modul zjišťování je uspořádaný kolem dvou komponent, které spolupracují: poznání a úkoly.

Poznávání

Poznání je proces odůvodnění, který běží nepřetržitě, zatímco motor je aktivní. Udržuje povědomí o vašich celkových cílech a rozhoduje o tom, na čem se má dále pracovat. Vybere správné agenty a nástroje pro každou část práce a při kontrole průběhu odpoví na vaši zpětnou vazbu.

Když spustíte modul zjišťování, začne poznání nepřetržitý cyklus:

  1. Zobrazuje aktuální stav všech úkolů v rámci sdílené relace.
  2. Určuje, které úkoly jsou připravené začít na základě jejich závislostí.
  3. Vybere nejlepšího dostupného agenta pro každou úlohu.
  4. Spustí provádění úloh a monitoruje výsledky.
  5. Ověří dokončenou práci s definovanými kritérii úspěchu.
  6. Vytvoří nové úkoly, když identifikuje mezery nebo příležitosti.
  7. Zahrne vaše poznámky do průběžného plánování.

Kognice neprovádí jen pevný plán. Přizpůsobí se. Pokud nástroj vrátí neočekávané výsledky, kognice přehodnotí svůj přístup. Pokud přidáte komentář k úkolu s větším kontextem, kognice to zohlední ve svém dalším rozhodnutí. Po několika neúspěšných pokusech eskaluje znalost úkolu pro vaši recenzi.

Podrobnější informace o tom, jak poznání funguje, najdete v přehledu cognition.

Úlohy

Úkoly jsou způsob, jakým definujete práci, kterou má modul zjišťování provádět. Každý úkol zachycuje, co je potřeba udělat, proč je důležité a jak měřit úspěch. Úkoly poskytují strukturu, kterou poznání používá k uspořádání a sekvencování práce.

Úkol zahrnuje:

  • Název a popis: Co je potřeba udělat, s dostatečným kontextem, aby agent porozuměl cíli.
  • Požadavky na ověření: Konkrétní kritéria definující, jak úspěšný výsledek vypadá. Poznání pomocí těchto kritérií posuzuje, jestli dokončený úkol skutečně splňuje vaše očekávání. Bez nich nemá poznání žádný objektivní standard pro vyhodnocování výsledků.
  • Závislosti: Relace k jiným úkolům, které musí být dokončeny jako první. Poznání používá tyto vztahy k inteligentnímu sekvencování práce.
  • Stav: Aktuální stav úkolu, který prochází jeho životním cyklem. Úplný počet stavů úkolů a jejich význam najdete v části Životní cyklus stavu úkolů.
  • Výsledek: Výstup vytvořený při dokončení úkolu. Výsledek se zpřístupní závislým úkolům.

Každý úkol by měl mít minimálně název, popis a alespoň jeden požadavek na ověření. Název a popis sdělují kognici, co dělat. Požadavky na ověření sdělují, kdy práce splňuje váš standard. Bez požadavků na ověření poznání stále provádí úlohu, ale nemá žádný způsob, jak cíleně vyhodnotit výsledek. Chybějící požadavky můžou vést k úkolům, které projdou bez smysluplných kontrol kvality, nebo úkolů, které cyklicky procházejí opakovaným prováděním.

Podrobnosti o struktuře úkolů a osvědčené postupy najdete v tématu Úkoly a sdílené relace.

Jak modul funguje v praxi

Práce s modulem discovery se řídí cyklem spolupráce. Nastavíte směr, motor se spustí a pravidelně kontrolujete, abyste přehodnotili a přesměrovali směr.

1. Definování cíle

Začněte vytvořením jednoho nebo více úkolů ve sdílené relaci. Úkoly mohou být cíle na vysoké úrovni, které jsou rozloženy myšlením na menší části, nebo specifické kroky, které jste už rozdělili. Například:

Identifikovat existující léky, které léčí [onemocnění] a jejich aktivační cesty. Každou aktivní sloučeninu použijte k prozkoumání variant s vyšší afinitou k vazbě na proteiny a nižší předpokládanou imunitní odpovědí. Pro ty nejslibnější kandidáty naplánujte retrosyntetickou cestu pro laboratorní formulaci.

Tento jediný cíl zahrnuje více znalostních domén, vyžaduje koordinaci několika nástrojů a vytváří přechodné výsledky, které informují pozdější kroky. Je to přirozeně vhodné pro motor.

2. Spuštění modulu zjišťování

Důležité

Před spuštěním Discovery Engine se ujistěte, že je ve vašem pracovním prostoru nasazení modelu pro chat. Výchozí model pro nový projekt je gpt-5-4 (model: gpt-5.4). Modul zjišťování vyžaduje tento model pro ověření úlohy. Bez toho se motor nespustí. Pokyny k nastavení najdete v tématu Vytvoření nasazení chatovacího modelu.

Když spustíte Discovery Engine, kognice zahájí svůj nepřetržitý cyklus uvažování a začne přiřazovat úlohy agentům.

3. Nechte ji běžet

Vystupte. Vraťte se zpátky za několik hodin. Motor funguje bez vaší neustálé přítomnosti. Cognition zpracovává výběr agenta, spouštění nástrojů, obnovení chyb a pořadí úloh. Podobně jako delegování na schopného kolegu modul najde a sleduje cesty příležitostí vaším jménem.

4. Kontrola a přesměrování

Po návratu zkontrolujte sdílenou relaci. Uvidíte:

  • Dokončené úkoly s jejich výsledky a výsledky ověření
  • Aktuálně prováděné úlohy a agenti, kteří na nich pracují
  • Všechny úkoly, které byly označeny, aby upoutaly vaši pozornost, protože je kognitivní systém nemohl vyřešit

Přidejte poznámky, které nasměrují práci novým směrem u označených úkolů. Upravte požadavky na ověření, pokud jsou výsledky blízké, ale nejsou správné.

5. Iterace

Cyklus pokračuje, dokud nebudou splněny vaše cíle. Kognice neprobíhá jen jako pevná sekvence. Reaguje na měnící se stav sdílené relace, včetně vaší zpětné vazby i všech nových úkolů, které v průběhu přidáte.

Volba, kdy použít motor

Modul zjišťování je určený pro problémy, které jsou složité, otevřené a dlouhotrvající. Ne každá výzkumná otázka si to vyžaduje.

Vhodné pro motor

Problémy, které dobře fungují se strojem, mají několik vlastností:

  • Vícekrokové se závislostmi: Práce se přirozeně rozdělí na části, kde pozdější kroky závisí na dřívějších výsledcích.
  • Otevřený průzkum: Znáte cíl, ale ne přesnou cestu. Může fungovat více přístupů a modul je může prozkoumat.
  • Dlouhá doba trvání: Práce trvá hodiny nebo dny, ne minuty. Můžete využít delegování místo toho, abyste byli celou dobu osobně zapojeni.
  • Více nástrojů a znalostí: Práce vyžaduje koordinaci databází, simulací, analytických nástrojů a různých typů odborných znalostí.

Vhodnější pro přímou interakci

Některé otázky jsou lépe zpracovány prostřednictvím přímého chatu s agentem nebo prostřednictvím režimu ptání:

  • Jednotlivé konkrétní otázky se známými odpověďmi ("Jaký je potenciál redukce složeného X?")
  • Úkoly, ve kterých potřebujete okamžitou odpověď
  • Pracujte tam, kde chcete interaktivně řídit každý krok
  • Jednoduché vyhledávání nebo výpočty, které se dokončí v jedné výměně

Orchestrace prostředků

Když kognice vykonává úkoly, využívá úplnou platformu Microsoft Discovery.

  • Agenti: Specializované systémy AI, které provádějí konkrétní typy práce. Poznání vybere agenta, jehož schopnosti nejlépe odpovídají jednotlivým úlohám. Každý agent je přidružený k nejlepšímu modelu pro požadovaný typ práce.
  • Nástroje: Kontejnerizované spustitelné soubory, které běží na superpočítači pro výpočty, zpracování dat a analýzu. Nástroje zpracovávají práci, která vyžaduje specializovaný software nebo významné výpočetní prostředky. Aplikace Microsoft Discovery spouští nástroje prostřednictvím jiné místní cesty spuštění. Porovnání najdete v tématu Microsoft Discovery a aplikace Microsoft Discovery.
  • Bookshelf: Znalostní báze vytvořené z vašich dokumentů a vědecké literatury. Agenti se dotazují na knihovny knih, aby ukotvili své uvažování v relevantním kontextu.

Tyto prostředky nakonfigurujete při nastavování pracovního prostoru a projektu. Poznání je pak orchestruje automaticky na základě toho, co každý úkol vyžaduje.

Vzory spolupráce

Motor podporuje různé úrovně autonomie v závislosti na poskytované struktuře.

Úplné delegování: Popíšete obecný cíl a necháte kognitivní systém, aby zpracoval rozklad a provedení. Nejvhodnější pro průzkumnou práci, kde chcete zjistit, co modul zjistí. Výsledky pravidelně kontrolujete a poskytujete strategické pokyny.

Strukturované delegování: Rozdělíte práci na konkrétních úkolech s přiřazenými agenty, definovanými závislostmi a požadavky na ověření. Poznání zpracovává provádění a sekvencování, ale řídí se strukturou, kterou definujete. Nejlepší, když znáte přístup a chcete spolehlivé provedení.

Paralelní práce: Pracujete na některých úkolech, zatímco poznání zpracovává jiné. Když úkol dokončíte ručně nebo přidáte průběžné výsledky, systém tyto příspěvky zaznamená a začlení je do svého plánování.

Praktické pokyny pro nastavení jednotlivých vzorů najdete v článku Vytváření sdílených relací s cognition.

Osvědčené postupy

Do:

  • Začněte jasnými cíli, které popisují výsledky, nikoli postupy. Nechte kognitivní systém zjistit, jak se tam dostat.
  • Přidejte do svých úkolů požadavky na ověření. Bez nich nemá poznání způsob, jak soudit, když práce splňuje vaše standardy.
  • Každých několik hodin kontrolujte, zda jsou sdílené relace aktivní. Vaše zpětná vazba udržuje práci na správné cestě.
  • Důvěřovat autonomnímu zkoumání. Kognice by mohla vyzkoušet přístupy, které byste jinak nebrali v úvahu.

Vyhněte se:

  • Zadání každého kroku předem a očekávání, že stroj je bude spouštět v sekvenčním pořadí. I když znáte kroky, stroj přidává hodnotu prostřednictvím smyčky zpětné vazby a ověření kvality. Chcete se vyhnout tomu, že výpočetní stroj považujete za jednoduchý spouštěč úloh. Jeho silnou stránkou je přizpůsobení, když průběžné výsledky nevyhovují vašim požadavkům na ověření, znovu pokusit s jiným přístupem nebo označení práce k vaší kontrole. Pokud je vaše sdílená relace čistě sekvenční a nevyžaduje kontrolní body kvality ani iterace, může být rychlejší přímá interakce s agentem.
  • Sledování provádění úkolů v reálném čase Modul podporuje asynchronní spolupráci, nikoli interaktivní monitorování.
  • Vytváření úkolů, které jsou příliš široké ("řešit rakovinu") nebo příliš úzké ("vyhledat PubChem ID 12345"). Najděte střední cestu, kde jsou úkoly dostatečně specifické k ověření, ale dostatečně široké pro plánování jejich provedení.

Související obsah

  • Last updated on