Mesin Penemuan

Mesin Penemuan adalah tulang punggung kognitif dari Microsoft Discovery. Ini beroperasi sebagai mitra penelitian otonom yang merencanakan pekerjaan, mendelegasikan ke agen khusus, memantau kemajuan, dan beradaptasi ketika hasil kembali secara berbeda dari yang diharapkan. Alih-alih menanggapi permintaan individu di jendela obrolan, mesin berjalan terus menerus di latar belakang saat Anda fokus pada keputusan ilmiah yang paling penting.

Asisten AI tradisional bekerja dalam siklus tanya jawab. Anda bertanya, mereka merespons, dan percakapan berakhir. Mesin Penemuan bekerja secara berbeda. Anda menjelaskan tujuan, apakah itu kalimat tunggal atau rencana penelitian terperinci. Mesin bertanggung jawab untuk memecahnya, mengeksekusinya, dan melaporkannya kembali. Proses ini berlangsung dalam hitungan jam dan hari, bukan detik atau menit.

Bagaimana mesin disusun

Discovery Engine diatur di sekitar dua komponen yang bekerja sama: kognisi dan tugas.

Kognisi

Cognition adalah proses penalaran yang berjalan terus menerus saat mesin aktif. Ini menjaga kesadaran tentang tujuan Anda secara keseluruhan dan memutuskan apa yang harus dikerjakan berikutnya. Sistem ini memilih agen dan alat yang tepat untuk setiap tugas, dan merespons umpan balik Anda ketika Anda meninjau perkembangan.

Saat Anda memulai Mesin Penemuan, kognisi memulai siklus berkelanjutan:

Meninjau status saat ini dari semua tugas dalam sesi bersama Anda
Mengidentifikasi tugas mana yang siap dimulai berdasarkan dependensinya
Memilih agen terbaik yang tersedia untuk setiap tugas
Memulai eksekusi tugas dan memantau hasilnya
Memvalidasi pekerjaan yang selesai terhadap kriteria keberhasilan yang Anda tentukan
Membuat tugas baru saat mengidentifikasi celah atau peluang
Menggabungkan catatan Anda ke dalam perencanaan yang sedang berlangsung

Cognition tidak hanya menjalankan rencana tetap. Ini beradaptasi. Jika alat mengembalikan hasil yang tidak terduga, kognisi mempertimbangkan kembali pendekatannya. Jika Anda menambahkan komentar ke tugas dengan konteks yang lebih banyak, kognisi akan mempertimbangkan hal itu dalam keputusan berikutnya. Setelah beberapa upaya gagal, sistem kognitif mengajukan tugas untuk tinjauan Anda.

Untuk melihat lebih dalam cara kerja kognisi, lihat Gambaran umum kognisi.

Tugas

Tugas adalah cara Anda menentukan pekerjaan yang Anda inginkan untuk dilakukan Oleh Mesin Penemuan. Setiap tugas menangkap apa yang perlu dicapai, mengapa itu penting, dan cara mengukur keberhasilan. Tugas menyediakan struktur yang digunakan kognisi untuk mengatur dan mengurutkan pekerjaan.

Tugas mencakup:

Judul dan deskripsi: Apa yang perlu dilakukan, dengan konteks yang cukup bagi agen untuk memahami tujuan.
Persyaratan validasi: Kriteria khusus yang menentukan seperti apa hasil yang berhasil. Cognition menggunakan kriteria ini untuk menilai apakah tugas yang diselesaikan benar-benar memenuhi harapan Anda. Tanpa mereka, kognisi tidak memiliki standar objektif untuk mengevaluasi hasil.
Dependensi: Hubungan dengan tugas lain yang harus diselesaikan terlebih dahulu. Cognition menggunakan hubungan ini untuk mengurutkan pekerjaan dengan cerdas.
Status: Status tugas saat ini saat bergerak melalui siklus hidupnya. Lihat Siklus hidup status tugas untuk kumpulan lengkap status tugas dan maknanya.
Hasil: Output yang dihasilkan ketika tugas selesai. Hasilnya menjadi tersedia untuk tugas yang bergantung.

Setiap tugas harus memiliki minimal judul, deskripsi, dan setidaknya satu persyaratan validasi. Judul dan deskripsi memberi tahu kognisi apa yang harus dilakukan. Persyaratan validasi menentukan kapan pekerjaan memenuhi standar Anda. Tanpa persyaratan validasi, kognisi masih menjalankan tugas tetapi tidak memiliki cara untuk menilai hasilnya secara objektif. Persyaratan yang hilang dapat menyebabkan tugas yang lulus tanpa pemeriksaan kualitas yang berarti, atau tugas yang mengalami eksekusi berulang kali.

Untuk detail struktur tugas dan praktik terbaik, lihat Tugas dan sesi bersama.

Cara kerja mesin dalam praktik

Bekerja dengan Discovery Engine mengikuti siklus kolaboratif. Anda mengatur arah, mesin melaksanakannya, dan Anda memeriksa secara berkala untuk meninjau dan menyesuaikan.

1. Tentukan tujuan Anda

Mulailah dengan membuat satu atau beberapa tugas di sesi bersama Anda. Tugas bisa menjadi tujuan tingkat tinggi yang diuraikan lebih lanjut oleh kognisi, atau langkah-langkah spesifik yang sudah Anda dekomposisikan. Contohnya:

"Identifikasi obat yang ada yang mengobati [penyakit] dan jalur aktivasi mereka. Gunakan setiap senyawa aktif untuk menjelajahi varian dengan afinitas pengikatan protein yang lebih tinggi dan respons kekebalan tubuh yang diproyeksikan lebih rendah. Untuk kandidat yang paling menjanjikan, rencanakan jalur retrosintesis untuk formulasi lab."

Tujuan tunggal ini melibatkan beberapa domain pengetahuan, memerlukan koordinasi beberapa alat, dan menghasilkan hasil menengah yang menginformasikan langkah-langkah selanjutnya. Ini merupakan kecocokan alami untuk mesin tersebut.

2. Mulai Mesin Penemuan

Penting

Sebelum memulai Mesin Penemuan, pastikan ruang kerja Anda memiliki penyebaran model obrolan. Model default untuk proyek baru adalah gpt-5-4 (model: gpt-5.4). Mesin Penemuan memerlukan model ini untuk validasi tugas. Tanpa itu, mesin tidak bisa menyala. Lihat Membuat penyebaran model chat untuk petunjuk penyiapan.

Saat Anda memulai Mesin Penemuan, kognisi memulai perulangan penalaran berkelanjutan dan mulai menetapkan tugas ke agen.

3. Biarkan berjalan sendiri

Menjauhlah. Periksa kembali dalam beberapa jam. Mesin bekerja tanpa kehadiran konstan Anda. Kognisi menangani pemilihan agen, eksekusi alat, pemulihan kesalahan, dan urutan tugas. Sama seperti mendelegasikan ke kolega yang mampu, mesin menemukan dan mengikuti jalur peluang atas nama Anda.

4. Tinjau dan alihkan

Saat Anda kembali, periksa sesi yang dibagikan Anda. Anda melihat:

Tugas yang telah diselesaikan beserta hasil dan hasil validasinya.
Tugas yang sedang dijalankan dan agen mana yang mengerjakannya
Tugas apa pun yang diberi tanda untuk menarik perhatian Anda karena sistem kognisi tidak dapat menyelesaikannya

Tambahkan catatan untuk mengarahkan pekerjaan ke arah baru untuk tugas yang ditandai. Ubah persyaratan validasi jika hasilnya dekat tetapi tidak benar.

5. Lakukan Iterasi

Siklus berlanjut hingga tujuan Anda terpenuhi. Cognition tidak hanya menjalankan urutan tetap. Ini merespons perkembangan sesi bersama, termasuk umpan balik Anda dan tugas baru yang Anda tambahkan seiring proses berlangsung.

Memilih kapan harus menggunakan mesin

"Mesin Penemuan dirancang khusus untuk masalah yang kompleks, tidak terbatas, dan berkepanjangan." Tidak setiap pertanyaan penelitian membutuhkannya.

Cocok untuk mesin

Masalah yang dapat diselesaikan dengan baik oleh mesin ini memiliki beberapa karakteristik:

Multi-langkah dengan ketergantungan: Pekerjaan secara alami terbagi menjadi beberapa bagian, di mana langkah selanjutnya bergantung pada hasil sebelumnya.
Eksplorasi terbuka: Anda tahu tujuannya tetapi bukan jalur yang tepat. Beberapa pendekatan mungkin berfungsi, dan mesin dapat menjelajahinya.
Durasi panjang: Pekerjaan membutuhkan waktu berjam-jam atau berjam-hari, bukan menit. Anda mendapat manfaat dari mendelegasikan daripada tetap terlibat sepanjang waktu.
Beberapa alat dan domain pengetahuan: Pekerjaan ini memerlukan database koordinasi, simulasi, alat analisis, dan berbagai jenis keahlian.

Lebih cocok untuk interaksi langsung

Beberapa pertanyaan ditangani dengan lebih baik melalui obrolan langsung dengan agen atau melalui Mode Tanya:

Pertanyaan khusus tunggal dengan jawaban yang diketahui ("Apa potensi pengurangan senyawa X?")
Tugas di mana Anda memerlukan respons langsung
Bekerja di tempat Anda ingin mengontrol setiap langkah secara interaktif
Pencarian atau perhitungan sederhana yang selesai dalam satu pertukaran

Orkestrasi sumber daya

Ketika menjalankan tugas, kognisi memanfaatkan platform Microsoft Discovery secara penuh.

Agen: Sistem AI khusus yang menjalankan jenis pekerjaan tertentu. Cognition memilih agen yang kemampuannya paling cocok dengan setiap tugas. Setiap agen dikaitkan dengan model terbaik untuk jenis pekerjaan yang diperlukan.
Alat: Eksekusi dalam kontainer yang berjalan pada superkomputer untuk komputasi, pemrosesan data, dan analisis. Alat menangani pekerjaan yang memerlukan perangkat lunak khusus atau sumber daya komputasi yang signifikan. Aplikasi penemuan Microsoft menjalankan alat melalui jalur eksekusi lokal yang berbeda; lihat Microsoft Discovery dan aplikasi penemuan Microsoft untuk perbandingan.
Bookshelf: Pangkalan pengetahuan yang dibangun dari dokumen dan sastra ilmiah Anda. Agen mengkueri rak buku untuk membumikan penalaran mereka dalam konteks yang relevan.

Anda mengonfigurasi sumber daya ini saat menyiapkan ruang kerja dan proyek Anda. Cognition kemudian mengaturnya secara otomatis berdasarkan apa yang diperlukan setiap tugas.

Pola kolaborasi

Mesin mendukung tingkat otonomi yang berbeda tergantung pada berapa banyak struktur yang Anda berikan:

Delegasi penuh: Anda menjelaskan tujuan yang luas dan membiarkan kognisi menangani dekomposisi dan eksekusi. Terbaik untuk pekerjaan eksplorasi di mana Anda ingin melihat apa yang ditemukan mesin. Anda meninjau hasil secara berkala dan memberikan panduan strategis.

Delegasi terstruktur: Anda memecah pekerjaan menjadi tugas tertentu dengan agen yang ditetapkan, dependensi yang ditentukan, dan persyaratan validasi. Kognisi menangani eksekusi dan pengurutan tetapi mengikuti struktur yang Anda tentukan. Terbaik ketika Anda mengetahui pendekatan dan menginginkan eksekusi yang dapat diandalkan.

Pekerjaan paralel: Anda mengerjakan beberapa tugas sementara kognisi menangani yang lain. Saat Anda menyelesaikan tugas secara manual atau menambahkan hasil perantara, kognisi melihat kontribusi Anda dan memasukkannya ke dalam perencanaannya.

Untuk panduan praktis tentang cara menerapkan setiap pola, lihat Membangun sesi bersama menggunakan Cognition.

Praktik terbaik

Do:

Mulailah dengan tujuan yang jelas yang menjelaskan hasil, bukan prosedur. Biarkan kognisi mencari tahu bagaimana untuk sampai ke sana.
Tambahkan persyaratan validasi ke tugas Anda. Tanpa mereka, kognisi tidak memiliki cara untuk menilai kapan pekerjaan memenuhi standar Anda.
Periksa secara berkala, setiap beberapa jam sekali, untuk sesi berbagi yang aktif. Umpan balik Anda menjaga pekerjaan tetap berjalan sesuai rencana.
Percayalah pada eksplorasi otonom. Cognition mungkin mencoba pendekatan yang tidak akan Anda pertimbangkan.

Menghindari:

Menentukan setiap langkah terlebih dahulu dan mengharapkan mesin hanya menjalankannya secara berurutan. Bahkan ketika Anda mengetahui langkah-langkahnya, mesin menambahkan nilai melalui validasi dan perulangan umpan balik kualitas. Apa yang ingin Anda hindari adalah memperlakukan mesin sebagai pelari tugas sederhana. Kekuatannya terletak pada kemampuan beradaptasi ketika hasil perantara tidak memenuhi persyaratan validasi Anda, mencoba pendekatan berbeda untuk mengulang, atau menandai hasil kerja untuk tinjauan Anda. Jika sesi bersama Anda murni berurutan tanpa perlu gerbang kualitas atau iterasi, interaksi agen langsung mungkin lebih cepat.
Menonton eksekusi tugas secara real time. Mesin mendukung kolaborasi asinkron, bukan pemantauan interaktif.
Membuat tugas yang terlalu luas ("mengatasi kanker") atau terlalu sempit ("cari PubChem ID 12345"). Temukan jalan tengah di mana tugas cukup spesifik untuk memvalidasi tetapi cukup luas sehingga dapat direncanakan eksekusinya oleh kognisi.

Saran dan Komentar

Apakah halaman ini membantu?

Terakhir diperbarui pada 2026-06-03