Microsoft Discovery: Hur AI-agenter accelererar vetenskapliga upptäckter

Vetenskaplig forskning har traditionellt varit en långsam och noggrann process. Forskare tillbringar år med att testa idéer och utföra experiment. De läser tusentals artiklar och försöker koppla samman olika bitar av kunskap. Detta tillvägagångssätt har fungerat under en lång tid, men tar vanligtvis år att slutföra. Idag står världen inför brådskande problem som klimatförändringar och sjukdomar som kräver snabbare svar. Microsoft (MSFT ) tror att artificiell intelligens kan hjälpa till att lösa detta problem. På Build 2025 introducerade Microsoft Microsoft Discovery, en ny plattform som använder AI-agenter för att accelerera forskning och utveckling. Den här artikeln förklarar hur Microsoft Discovery fungerar och varför agenter är viktiga för forskning och utveckling.

Utmaningar inom modern vetenskaplig forskning

Traditionell forskning och utveckling möter flera utmaningar som har funnits i decennier. Vetenskaplig kunskap är omfattande och spridd över många artiklar, databaser och arkiv. Att koppla samman idéer från olika områden kräver specialkunskaper och mycket tid. Forskningsprojekt omfattar många steg, såsom litteraturgenomgång, hypotesbildning, experimentdesign, dataanalys och resultatanalys. Varje steg kräver olika färdigheter och verktyg, vilket gör det svårt att upprätthålla ett konsekvent och stabilt framåtskridande. Dessutom är forskning en iterativ process. Vetenskaplig kunskap växer genom bevis, peer-granskning och kontinuerlig förbättring. Denna iterativa natur skapar betydande tidsfördröjningar mellan initiala idéer och praktiska tillämpningar. På grund av dessa problem finns det en växande klyfta mellan hur snabbt vetenskapen utvecklas och hur snabbt vi behöver lösningar på problem som klimatförändringar och sjukdomar. Dessa brådskande frågor kräver snabbare innovationer än vad traditionell forskning kan erbjuda.

Microsoft Discovery: Accelererande FoU med AI-agenter

Microsoft Discovery är en ny företagsplattform som är byggd för vetenskaplig forskning. Den möjliggör för AI-agenter att arbeta tillsammans med mänskliga forskare, generera hypoteser, analysera data och utföra experiment. Microsoft har byggt plattformen på Azure, som tillhandahåller den beräkningskraft som behövs för simuleringar och dataanalys.

Plattformen löser forskningsutmaningar genom tre nyckelfunktioner. För det första använder den grafbaserad kunskapsresonans för att koppla samman information över olika domäner och publikationer. För det andra använder den specialiserade AI-agenter som kan fokusera på specifika forskningsuppgifter samtidigt som de samarbetar med andra agenter. För det tredje upprätthåller den en iterativ inlärningscykel som anpassar forskningsstrategier baserat på resultat och upptäckter.

Vad som gör Microsoft Discovery annorlunda än andra AI-verktyg är dess stöd för hela forskningsprocessen. Istället för att hjälpa till med bara en del av forskningen, stöder plattformen forskare från början av en idé till de slutliga resultaten. Detta fulla stöd kan betydligt minska den tid som behövs för vetenskapliga upptäckter.

Grafbaserad kunskapsmotor

Traditionella söksystem hittar dokument genom att matcha nyckelord. Medan detta tillvägagångssätt är effektivt, förbiser det ofta de djupare sambanden inom vetenskaplig kunskap. Microsoft Discovery använder en grafbaserad kunskapsmotor som kartlägger relationer mellan data från både interna och externa vetenskapliga källor. Detta system kan förstå motsägande teorier, olika experimentresultat och antaganden över områden. Istället för att bara hitta artiklar på ett ämne, kan det visa hur fynd i ett område tillämpas på problem i ett annat.

Kunskapsmotorn visar också hur den når slutsatser. Den spårar källor och resonemangssteg, så att forskare kan kontrollera AI-logiken. Denna transparens är viktig eftersom forskare behöver förstå hur slutsatserna görs, inte bara svaren. Till exempel, när man letar efter nya batterimaterial, kan systemet koppla samman kunskap från metallurgi, kemi och fysik. Det kan också hitta motsägelser eller saknad information. Denna breda vy hjälper forskare att hitta nya idéer som annars kan ha missats.

AI-agenter i Microsoft Discovery

En agent är en typ av artificiell intelligens som kan agera oberoende för att utföra uppgifter. Till skillnad från vanlig AI som bara assisterar människor genom att följa instruktioner, fattar agenter beslut, planerar åtgärder och löser problem på egen hand. De fungerar som intelligenta assistenter som kan ta initiativ, lära sig av data och hjälpa till att slutföra komplexa uppgifter utan att behöva konstant mänsklig instruktion.

Istället för att använda ett stort AI-system, använder Microsoft Discovery många specialiserade agenter som fokuserar på olika forskningsuppgifter och samarbetar med varandra. Detta tillvägagångssätt liknar hur mänskliga forskningsteam opererar, där experter med olika färdigheter arbetar tillsammans och delar kunskap. Men AI-agenter kan arbeta kontinuerligt, hantera stora mängder data och upprätthålla perfekt samordning.

Plattformen tillåter forskare att skapa anpassade agenter som uppfyller deras specifika krav. Forskare kan specificera dessa krav på naturligt språk utan att behöva några programmeringskunskaper. Agenterna kan också föreslå vilka verktyg eller modeller de ska använda och hur de ska samarbeta med andra agenter.

Microsoft Copilot spelar en central roll i detta samarbete. Det fungerar som en vetenskaplig AI-assistent som orkestrerar de specialiserade agenterna baserat på forskarprompt. Copilot förstår de tillgängliga verktygen, modellerna och kunskapsbaserna i plattformen och kan konfigurera kompletta arbetsflöden som täcker hela upptäcktsprocessen.

Verklig inverkan

Den verkliga testen av en forskningsplattform ligger i dess verkliga värde. Microsoft-forskare fann en ny kylmedel för datacenter utan skadliga PFAS-kemikalier på cirka 200 timmar. Detta arbete skulle normalt ta månader eller år. Det nyligen upptäckta kylmedlet kan hjälpa till att minska miljöskadan inom tekniken.

Att hitta och testa nya formler på veckor istället för år kan accelerera övergången till renare datacenter. Processen använde flera AI-agenter för att skärma molekyler, simulera egenskaper och förbättra prestanda. Efter den digitala fasen tillverkade och testade de kylmedlet, vilket bekräftade AI:s förutsägelser och plattformens noggrannhet.

Microsoft Discovery används också inom andra områden. Till exempel använder Pacific Northwest National Laboratory det för att skapa maskinlärningsmodeller för kemiska separationer som behövs inom kärnfysik. Dessa processer är komplexa och brådskande, vilket gör snabbare forskning kritisk.

Framtiden för vetenskaplig forskning

Microsoft Discovery omdefinierar hur forskning bedrivs. Istället för att arbeta ensam med begränsade verktyg, kan forskare samarbeta med AI-agenter som hanterar stora mängder information, hittar mönster över områden och ändrar metoder baserat på resultat. Denna förändring möjliggör nya upptäcktsmetoder genom att koppla samman idéer från olika domäner. En materialforskare kan använda biologiska insikter, en läkemedelsforskare kan tillämpa fysiska fynd och ingenjörer kan använda kemisk kunskap.

Plattformens modulära design tillåter den att växa med nya AI-modeller och domäner utan att förändra befintliga arbetsflöden. Den håller mänskliga forskare i kontroll, förstärker deras kreativitet och intuition samtidigt som den hanterar det tunga beräkningsarbetet.

Utmaningar och överväganden

Medan potentialen för AI-agenter inom vetenskaplig forskning är betydande, kvarstår flera utmaningar. Att säkerställa att AI-hypoteser är korrekta kräver starka kontroller. Transparens i AI-resonemang är viktigt för att vinna förtroende från forskare. Att integrera plattformen i befintliga forskningssystem kan vara svårt. Organisationer måste anpassa processer för att använda agenter samtidigt som de följer regler och standarder.

Att göra avancerade forskningsverktyg allmänt tillgängliga väcker frågor om skydd av immateriella rättigheter och konkurrens. När AI gör forskning enklare för många, kan de vetenskapliga disciplinerna förändras betydligt.

Slutsatsen

Microsoft Discovery erbjuder ett nytt sätt att bedriva forskning. Det möjliggör för AI-agenter att arbeta tillsammans med mänskliga forskare, vilket accelererar upptäckt och innovation. Tidiga framgångar som upptäckten av kylmedlet och intresset från stora företag tyder på att AI-agenter har potentialen att förändra hur forskning och utveckling fungerar inom branscher. Genom att förkorta forskningstider från år till veckor eller månader, kan plattformar som Microsoft Discovery hjälpa till att lösa globala utmaningar som klimatförändringar och sjukdomar snabbare. Nyckeln är att balansera AI-kraft med mänsklig övervakning, så att tekniken stöder, inte ersätter, mänsklig kreativitet och beslutsfattande.