Vydanie Microsoft Research Focus #97, ktoré moderuje Sowbhagya Suresh, spája výskumné témy od rozhodovania AI agentov cez programovanie a pracovné postupy až po vzdelávanie, počasie a biomolekuly. Všetky výsledky v tomto prehľade pochádzajú z jedného primárneho zdroja Microsoft Research, preto ich treba chápať ako tvrdenia a zistenia prezentované touto organizáciou, nie ako nezávisle potvrdený konsenzus.

Keď sa agent potrebuje vrátiť k rozhodnutiu

ForkPilot je samo-zdokonaľujúci sa rámec, ktorý sa učí, kedy má znovu preskúmať skoršie rozhodnutia. Keď sa objavia nové výsledky, dokáže podľa nich prispôsobiť stratégiu. Podstatou teda nie je iba vykonať pevne daný sled krokov, ale pracovať aj s možnosťou, že predchádzajúca voľba už nemusí byť vhodná.

Microsoft Research uvádza, že ForkPilot bol testovaný na šiestich benchmarkoch a popredných modeloch AI. Dosiahol výsledky porovnateľné s najlepšími existujúcimi metódami a znížil nároky na spracovanie AI až o 59 %. Toto porovnanie spája dve samostatné otázky: kvalitu výsledku a množstvo spracovania potrebného na jeho dosiahnutie. Zdroj však netvrdí, že rovnaké zníženie nastane pri každej úlohe či nasadení.

Čo odhaľujú generované programátorské výzvy

CABRA vytvára programátorské výzvy od základov, umožňuje kontrolovane zvyšovať ich zložitosť a pomáha identifikovať schopnosti, ktoré sú pre programovacích agentov náročné. Takýto prístup umožňuje sledovať, čo sa mení, keď sa úloha postupne komplikuje, namiesto toho, aby sa porovnávali iba nesúvisiace zadania.

Pri tisícoch vygenerovaných výziev agenti často dokázali prekonať programátorské problémy použitím nástrojov. Napriek tomu mali ťažkosti s porozumením neznámych kódových základní. Rozdiel je dôležitý: schopnosť použiť nástroj na vyriešenie konkrétneho problému nie je totožná so schopnosťou zorientovať sa v už existujúcom, neznámom kóde. Zistenie pomenúva pretrvávajúcu slabinu v hodnotených úlohách, nie definitívne najväčšiu prekážku celého odboru.

Učenie pracovných postupov z aktivity používateľov

TeleTune sa učí opakovane použiteľné schopnosti a pracovné postupy zo záznamov používateľskej aktivity. Zároveň odvodzuje ciele úloh spojené so sekvenciami vykonaných akcií. Rámec teda prepája pozorovaný sled krokov s tým, čo sa nimi používateľ pravdepodobne snažil dosiahnuť.

V hodnoteniach softvérových a prehliadačových úloh TeleTune prekonal existujúce prístupy. Výsledok sa týka uvedených hodnotení; sám osebe nepreukazuje univerzálnu výhodu pri každom programe, pracovnom postupe alebo type používateľskej činnosti.

Ako sa AI objavuje v každodennej práci

Analýza agregovanej aktivity v Copilot Chat naprieč širokým spektrom kategórií zákazníkov ukázala, že úprava dokumentov predstavovala viac než 20 % klasifikovaných aktivít. Údaj sa vzťahuje na klasifikovanú časť analyzovanej aktivity. Poukazuje na výrazné zastúpenie práce s dokumentmi bez toho, aby opisoval všetky spôsoby používania služby.

Samostatná štúdia v školách s obmedzenými zdrojmi v Indii skúmala Shiksha Copilot. Zapojilo sa viac než 1 000 učiteľov a podľa štúdie nástroj skrátil čas venovaný dvojjazyčnému plánovaniu vyučovania a administratíve. Zistenie je viazané na skúmané školy a účastníkov; zdroj neposkytuje základ na jeho automatické rozšírenie na všetky vzdelávacie prostredia.

Korekcia predpovedí a model biomolekúl

Probabilistic Bias Correction je rámec strojového učenia, ktorý sa učí z minulých chýb modelu počasia a pomáha ich korigovať. V globálnej súťaži zameranej na predpovede s predĺženým horizontom získal najvyššie ocenenie. Rámec sa zároveň nasadzuje v Keni s cieľom zlepšiť monzúnové predpovede pre poľnohospodárov.

Princíp učenia z minulých odchýlok vytvára jasné spojenie medzi históriou chýb a následnou korekciou. Informácie však opisujú konkrétnu súťaž a nasadenie v Keni, nie potvrdené zlepšenie všetkých druhov predpovedí vo všetkých regiónoch.

Poslednou témou je BioEmu2, základný model na porozumenie biomolekulárnej štruktúre, dynamike a funkcii. Vyvinul ho tím Microsoft Research AI for Science a je dostupný vo verejnej ukážkovej verzii. Opis vymedzuje jeho vedecké zameranie a aktuálnu dostupnosť; neuvádza konkrétne výsledky vývoja liekov.

Spoločná línia vydania

Jednotlivé projekty pracujú s odlišnými vstupmi: rozhodnutiami agentov, vygenerovanými programátorskými úlohami, záznamami činností, agregovanou aktivitou, skúsenosťami učiteľov, chybami modelu počasia či biomolekulárnymi údajmi. Spoločným motívom prezentácie je skúmanie toho, čo možno z týchto vstupov zistiť, naučiť sa alebo korigovať. Pri interpretácii je dôležité zachovať hranice každého výsledku: benchmark nie je každé nasadenie, analyzovaná aktivita nie je všetka aktivita a konkrétna štúdia nie je automaticky univerzálnym záverom.