과학적 연구는 전통적으로 느리고 신중한 과정이었습니다. 과학자들은 아이디어를 테스트하고 실험을하는 데 몇 년을 보냅니다. 그들은 수천 개의 논문을 읽고 다른 지식을 연결하려고 노력합니다. 이 접근법은 오랫동안 작동했지만 일반적으로 완료하는 데 몇 년이 걸립니다. 오늘날 세계는 기후 변화와 더 빠른 답변이 필요한 질병과 같은 긴급한 문제에 직면 해 있습니다. Microsoft는 인공 지능 이이 문제를 해결하는 데 도움이 될 수 있다고 생각합니다. ~에 빌드 2025Microsoft가 소개되었습니다 마이크로 소프트 발견AI 에이전트를 사용하여 연구 개발을 가속화하는 새로운 플랫폼. 이 기사는 Microsoft Discovery의 작동 방식과 에이전트가 연구 및 개발에 중요한 이유를 설명합니다.
현대 과학 연구의 도전
전통적인 연구 개발은 수십 년 동안 지속 된 몇 가지 도전에 직면 해 있습니다. 과학적 지식은 많은 논문, 데이터베이스 및 저장소에서 방대하고 전파됩니다. 다른 분야에서 아이디어를 연결하려면 특별한 전문 지식과 많은 시간이 필요합니다. 연구 프로젝트에는 문헌 검토, 가설 형성, 실험 설계, 데이터 분석 및 정제 결과와 같은 많은 단계가 포함됩니다. 각 단계마다 다양한 기술과 도구가 필요하므로 진보를 안정적이고 일관성있게 유지하기가 어렵습니다. 또한 연구는 반복적 인 과정입니다. 과학적 지식은 증거, 동료 토론 및 지속적인 정제를 통해 성장합니다. 이 반복적 특성은 초기 아이디어와 실제 응용 분야 사이에 상당한 시간 지연을 만듭니다. 이러한 문제로 인해 과학이 얼마나 빨리 발전하는지와 기후 변화 및 질병과 같은 문제에 대한 해결책이 얼마나 빨리 필요한지 사이에는 점점 더 큰 차이가 있습니다. 이러한 긴급한 문제는 전통적인 연구가 제공 할 수있는 것보다 더 빠른 혁신을 요구합니다.
Microsoft Discovery : AI 에이전트와 함께 R & D 가속화
Microsoft Discovery는 과학 연구를위한 새로운 엔터프라이즈 플랫폼입니다. 이를 통해 AI 에이전트는 인간 과학자와 협력하고 가설을 생성하고 데이터 분석 및 실험을 수행 할 수 있습니다. Microsoft는 시뮬레이션 및 데이터 분석에 필요한 컴퓨팅 성능을 제공하는 Azure에 플랫폼을 구축했습니다.
이 플랫폼은 세 가지 주요 기능을 통해 연구 문제를 해결합니다. 첫째, 그래프 기반 지식 추론을 사용하여 다양한 도메인 및 출판물에서 정보를 연결합니다. 둘째, 다른 에이전트와 조정하면서 특정 연구 작업에 중점을 둘 수있는 전문 AI 에이전트를 사용합니다. 셋째, 결과와 발견을 기반으로 연구 전략을 조정하는 반복 학습주기를 유지합니다.
Microsoft 발견이 다른 AI 도구와 다른 점은 완전한 연구 프로세스에 대한 지원입니다. 이 플랫폼은 연구의 한 부분만을 돕는 대신 아이디어의 시작부터 최종 결과에 이르기까지 과학자들을 지원합니다. 이 완전한 지원은 과학적 발견에 필요한 시간을 크게 줄일 수 있습니다.
그래프 기반 지식 엔진
기존 검색 시스템은 키워드와 일치하여 문서를 찾습니다. 효과적이지만,이 접근법은 종종 과학 지식 내에서 더 깊은 연결을 간과합니다. Microsoft Discovery는 내부 및 외부 과학 소스의 데이터 간의 관계를 매핑하는 그래프 기반 지식 엔진을 사용합니다. 이 시스템은 충돌 이론, 다양한 실험 결과 및 분야의 가정을 이해할 수 있습니다. 주제에 대한 논문을 찾는 대신 한 영역의 결과가 다른 영역의 문제에 어떻게 적용되는지 보여줄 수 있습니다.
지식 엔진은 또한 결론에 도달하는 방법을 보여줍니다. 출처와 추론 단계를 추적하므로 연구원은 AI의 논리를 확인할 수 있습니다. 과학자들은 대답뿐만 아니라 결론이 어떻게 이루어 졌는지 이해해야하기 때문에이 투명성이 중요합니다. 예를 들어, 새로운 배터리 재료를 찾을 때이 시스템은 야금, 화학 및 물리학의 지식을 연결할 수 있습니다. 또한 모순이나 누락 된 정보를 찾을 수 있습니다. 이 광범위한 견해는 연구자들이 놓칠 수있는 새로운 아이디어를 찾는 데 도움이됩니다.
Microsoft Discovery에서 AI 에이전트의 역할
an 대리인 작업을 수행하기 위해 독립적으로 행동 할 수있는 인공 지능의 유형입니다. 지시에 따라 인간 만 지원하는 일반 AI와 달리 요원은 결정을 내리고 행동을 계획하며 스스로 문제를 해결합니다. 그들은 주도권을 잡고 데이터를 통해 배우고 끊임없이 인간의 지시를받지 않고 복잡한 작업을 완료하는 데 도움이되는 지능적인 조수처럼 일합니다.
Microsoft Discovery는 하나의 큰 AI 시스템을 사용하는 대신 다양한 연구 작업에 중점을두고 서로 조정하는 많은 전문 에이전트를 사용합니다. 이 접근법은 인간 연구 팀이 다양한 기술을 가진 전문가가 함께 일하고 지식을 공유하는 방법을 모방합니다. 그러나 AI 에이전트는 지속적으로 작동하여 막대한 양의 데이터를 처리하고 완벽한 조정을 유지할 수 있습니다.
이 플랫폼을 통해 연구원은 전문 요구 사항을 충족하는 맞춤형 에이전트를 만들 수 있습니다. 연구원들은 프로그래밍 기술이 필요하지 않고 이러한 요구 사항을 자연어로 지정할 수 있습니다. 에이전트는 또한 사용해야하는 도구 또는 모델과 다른 에이전트와 협력 해야하는 방법을 제안 할 수 있습니다.
Microsoft Copilot 이 협업에서 중심적인 역할을합니다. 그것은 연구원 프롬프트를 기반으로 전문 요원을 오케스트레이션하는 과학 AI 조수 역할을합니다. Copilot은 플랫폼의 사용 가능한 도구, 모델 및 지식 기반을 이해하고 전체 발견 프로세스를 포괄하는 완전한 워크 플로우를 설정할 수 있습니다.
실제 영향
모든 연구 플랫폼의 실제 테스트는 실제 가치에 있습니다. 마이크로 소프트 연구원들은 a를 발견했다 새로운 냉각수 약 200 시간 안에 유해한 PFA 화학 물질이없는 데이터 센터의 경우. 이 작업은 일반적으로 몇 달 또는 몇 년이 걸립니다. 새로 발견 된 냉각수는 기술의 환경 피해를 줄이는 데 도움이 될 수 있습니다.
몇 년 대신 몇 주 안에 새로운 공식을 찾고 테스트하면 클리너 데이터 센터로의 전환이 가속화 될 수 있습니다. 이 과정은 여러 AI 에이전트를 사용하여 분자를 스크리닝하고 특성을 시뮬레이션하며 성능을 향상 시켰습니다. 디지털 단계 후에 그들은 냉각수를 성공적으로 만들고 테스트하여 AI의 예측과 플랫폼의 정확성을 확인했습니다.
Microsoft Discovery는 다른 분야에서도 사용됩니다. 예를 들어, 태평양 북서부 국립 실험실 용도 원자력 과학에 필요한 화학적 분리를위한 기계 학습 모델을 만듭니다. 이러한 프로세스는 복잡하고 시급하여 연구가 더 빠릅니다.
과학 연구의 미래
Microsoft Discovery는 연구 수행 방식을 재정의하고 있습니다. 과학자들은 제한된 도구로 혼자 작업하는 대신 큰 정보를 처리하고 분야에서 패턴을 찾고 결과를 기반으로 방법을 변경하는 AI 에이전트와 협력 할 수 있습니다. 이러한 변화는 다른 영역의 아이디어를 연결하여 새로운 발견 방법을 가능하게합니다. 재료 과학자는 생물학 통찰력을 사용할 수 있고, 약물 연구원은 물리 연구 결과를 적용 할 수 있으며 엔지니어는 화학 지식을 사용할 수 있습니다.
플랫폼의 모듈 식 디자인을 사용하면 현재 워크 플로를 변경하지 않고도 새로운 AI 모델과 도메인 도구로 성장할 수 있습니다. 그것은 인간 연구자들을 통제 할 수있게하며, 무거운 컴퓨팅 작업을 처리하면서 창의성과 직관을 증폭시킵니다.
도전과 고려 사항
과학 연구에서 AI 요원의 잠재력은 상당하지만 몇 가지 과제는 남아 있습니다. AI 가설을 보장하는 것은 정확한 요구 사항을 정확하게 확인합니다. AI 추론의 투명성은 과학자들로부터 신뢰를 얻는 데 중요합니다. 플랫폼을 기존 연구 시스템에 통합하는 것은 어려울 수 있습니다. 조직은 규정 및 표준에 따라 에이전트를 사용하기 위해 프로세스를 조정해야합니다.
고급 연구 도구를 광범위하게 이용할 수있게하면 지적 재산 및 경쟁 보호에 대한 의문이 제기됩니다. AI가 많은 사람들이 연구를 더 쉽게 만들 수있게함에 따라 과학 분야는 크게 변할 수 있습니다.
결론
Microsoft Discovery는 새로운 연구 방식을 제공합니다. 이를 통해 AI 에이전트는 인간 연구원과 협력하여 발견 및 혁신 속도를 높일 수 있습니다. 냉각수 발견과 주요 회사의 관심과 같은 초기 성공은 AI 에이전트가 산업 전반에 걸쳐 연구 개발이 어떻게 작동하는지 변화시킬 가능성이 있다고 제안합니다. 연구 시간이 몇 년 또는 몇 달 또는 몇 달을 단축함으로써 Microsoft Discovery와 같은 플랫폼은 기후 변화 및 질병과 같은 글로벌 과제를 더 빨리 해결하는 데 도움이 될 수 있습니다. 핵심은 AI Power와 인간의 감독과 균형을 잡는 것이므로 기술은 인간의 창의성과 의사 결정을 대체하지 않고 지원합니다.
게시물 Microsoft Discovery : AI 에이전트가 과학적 발견을 가속화하는 방법 먼저 나타났습니다 Unite.ai.