Nowa sztuczna inteligencja Microsoft Discovery ma na celu zrewolucjonizowanie badań naukowych

Microsoft zaprezentował „Microsoft Discovery”, platformę sztucznej inteligencji skoncentrowanej na przedsiębiorstwie przygotowanym do przekształcenia badań naukowych i inżynierskich. Ogłoszony podczas konferencji Build 2025, Discovery wyposaża naukowców z wyspecjalizowanymi agentami AI i wyrafinowanego silnika wiedzy opartej na wykresach. Platforma ma na celu dramatyczne skrócenie harmonogramów innowacji od początkowej hipotezy do walidacji eksperymentalnej. Aseem Datar, wiceprezes Microsoft ds. Innowacji produktów, przedstawił ambitny zakres platformy: „Naszym celem jest przekazanie siły AI naukowcom i inżynierom, aby przekształcić cały proces odkrycia, od zaawansowanego rozumowania wiedzy i formułowania hipotezu na eksperymentalną symulację i iteracyjną uczenie się.”

znaczące potencjał platformy do kompresji badań nad badaniami na podstawie oprawy innej od stężenia: zidentyfikowania powieści i iteracyjnej uczenia się nie. (Substancje Per-i polifluoroalkilowe) Prototyp płynu chłodzącego centrum danych. Ten przełom został osiągnięty w ciągu około 200 godzin-zadanie tradycyjnie zajmujące miesiące lub lata. Przewodnicząca i dyrektor generalna Microsoft Satya Nadella to podkreśliła, wyjaśniając, że Microsoft „łączy pełny stos techniczny, aby pomóc w przyspieszeniu nauki”. Zauważył, że Discovery „używa agentów do generowania pomysłów, symulacji wyników i uczenia się,„ powołując się na chłodziwo jako „świetny przykład… który nie opiera się na wiecznych chemikaliach.”

Jason Zander, wiceprezes firmy Microsoft ds. Misji strategicznych i technologii, poinformowało venturebeat Ramy badane 367 000 potencjalnych kandydatów na ten chłód, co było syntetyczne przez partnera. Ten szybki wynik, który Microsoft wyjaśnił w swoim ogłoszeniu, jest „eksperymentem”, który położył podwaliny pod przyszłe wydarzenia, podkreśla ambicję przekształcenia badań i rozwoju w dynamiczne, wspomagane przez ADEAVOR.

zbudowane na Microsoft Azure, odkrycie zostało zaprojektowane w celu rozszerzenia, integrującym właściwym modele z narzędziami partnerów, takich jak Nvidia i Synopsys, oraz open-sobowce. Microsoft kultywuje ekosystem współpracy, z wczesnym zaangażowaniem firm takich jak GSK w opiece zdrowotnej i firm Estée Lauder w dóbr konsumpcyjnych. Sygnalizuje to strategiczne dążenie do głęboko osadzenia AI w różnorodnych przepływach badań przemysłowych i pozycjach wraz z innymi „AI Co-Scientists” i narzędziami badawczymi zorientowanymi na nauki, takich jak Google i Openai.

Nowe agencyjne podejście do odkrycia

MicroSoft Discovery prowadzi działalność na paradigm „agencji AI”. etap metody naukowej. Naukowcy mogą dostosowywać te czynniki AI za pomocą języka naturalnego, dostosowując je do określonych domen, takich jak symulacja molekularna lub przegląd literatury. Centralny asystent Microsoft Copilot zorganizuje te agentów, wykorzystując kompleksowy katalog narzędzi, modeli i baz wiedzy.

w Discovery’s Heart to potężny silnik wiedzy oparty na wykresach. Ten silnik konstruuje dopracowane mapy relacji między zastrzeżonymi danymi organizacji a rozległymi zewnętrznymi badaniami naukowymi, a nie tylko odzyskiwaniem faktów. Ta zdolność pozwala platformom oferować głębokie kontekstowe zrozumienie złożonych, czasem sprzecznych danych naukowych, przy jednoczesnym zachowaniu przejrzystości poprzez szczegółowe śledzenie źródła.

Zander podkreślił dostępność platformy dla naukowców, nawet tych bez kodowania pochodzenia, wyjaśniając jego własne doświadczenie: „Mój doktorat jest w biologii. Nie jestem informatykiem, ale jeśli możesz odblokować tę moc superkomputera, pozwalając mi na to, że jest to bardzo potężne.”

[Embedded Conrection]

Aplikacja prawdziwej platformy jest już badana przez kilku kluczowych partnerów. GSK PLC zamierza wykorzystać Microsoft Discovery do zaawansowanej prognozy i testowania w opracowywaniu nowych leków. Podobnie firmy Estée Lauder planują zintegrować Discovery z jego innowacyjnym rurociągiem, aby przyspieszyć tworzenie spersonalizowanych pielęgnacji skóry i kosmetyków, opierając się na wcześniejszym partnerstwie AI Lab z Microsoft. Kosmas Kretsos, wiceprezes ds. Badań i rozwoju i technologii innowacji w firmach Estée Lauder, wyjaśnił, że Discovery pomoże wykorzystać ich obszerne dane badawcze dla „szybkiej, zwinnej, przełomowej innowacji.”

Kluczowe współpraca technologiczna jest ustalona w celu rozszerzenia zdolności Discovery. Nvidia zintegruje alchemi i zauważono Ta współpraca ma na celu „przepływ pracy w zakresie projektowania chipów rejestracyjnych” i „Wydajność inżynierii supercharatu”. PhysicsX jest również partnerem startowym, integrującym swoje modele Fundacji AI opartych na fizyce. Dyrektor generalny Jacomo Corbo

Prowadzenie ewoluującego krajobrazu AI w nauce

Wprowadzenie odkrycia przez Microsoft występuje w szybkim odwołaniu krajobrazu, w którym AI jest coraz większe. Konkurencyjna Google była widoczna dzięki inicjatywie „AI Storentist” dotyczących generowania hipotez badawczych. Firma wydała również wyspecjalizowane narzędzia, takie jak TXGEMMA do odkrywania leków i alfaevolve w celu optymalizacji algorytmów. Sam Microsoft wcześniej przyczynił się do modeli takich jak Bioemu-1 dla dynamiki białek. Szerszy trend obejmuje potencjalne środki badawcze AI o wysokiej zdolności z Openai.

Jednak rosnące wyrafinowanie AI w badaniach naukowych stanowi ważne rozważania. Badanie podkreślone przez Winbuzzera w kwietniu 2025 r. Wykazało, że zaawansowane modele AI mogą przewyższyć doświadczonych wirusologów w złożonych procedurach laboratoryjnych, podnosząc obawy dotyczące potencjalnego niewłaściwego użycia. Seth Donoughe, współautor badań, wyraził, że odkrycia sprawiły, że był „mało zdenerwowany”. To zachęciło do solidnych ram zarządzania.

Microsoft podkreśla, że ​​projekt Discovery priorytetuje zaufanie, zgodność i przejrzystość, utrzymując badaczy kontrolę. Jednak szersza społeczność naukowa i deweloperzy AI nadal zmagają się z zapewnieniem wiarygodności i etycznego wdrażania tych technologii transformacyjnych. Na przykład wcześniejsze badania DeepMind potwierdziły, że „dopóki prędkość modelu nie zostanie poprawiona i halucynacje nie zostanie całkowicie rozwiązane, narzędzia takie jak silniki symboliczne pozostaną niezbędne do zastosowań matematycznych”. Podkreśla to, że ludzka wiedza i tradycyjna walidacja naukowa pozostają kluczowe w dobie odkrycia AI-ACCELETED.