Duplex finner nye ferdigheter på egen hånd, innenfor grensene dine.

Folk lærer ferdigheter ved å utføre dem. En nyansatt prøver stegene, gjør noen feil, finner rekkefølgen som fungerer og gjør etter noen uker jobben uten å tenke over det. En modell kan ikke lære på den måten, fordi arbeidet ditt ikke endrer den. Den tar med seg bred kunnskap til hver oppgave og resonnerer seg frem til stegene på nytt, kall etter kall.

Det finnes gode måter å få gjort en oppgave på i dag, og hver av dem har en pris. Et skript eller en arbeidsflyt er pålitelig og billig i drift når noen først har skrevet det, og det gjør bare jobben det ble skrevet for. En ledende modell som løser oppgaven i konteksten, er fleksibel og krever ikke noe oppsett, og den betaler for den fleksibiliteten i hver kjøring. Prøving og feiling lærer ved å gjøre, slik folk gjør, og trenger svært mange forsøk for å komme dit.

Duplex lærer også ved å gjøre, og KI-en din kan være slått av hele tiden. Den prøver stegene du tillater, innenfor grenser du trekker så stramt som arbeidet krever, og finner en vei som når målet. Læring ved å gjøre er bare trygt når utførelsen har grenser, så alt som er utrygt, avvises før det kjøres. På fire testsett over ti kjøringer, hvert vurdert etter sin dårligste kjøring, fullførte Duplex hver oppgave med modellen slått av, med 2.8× færre forsøk enn prøving og feiling. Den avviste 627 utrygge handlinger i hver kjøring underveis, og lærte likevel den trygge veien gjennom.

Forskjellen viser seg over en kjøring. En ledende modell som løste den samme oppgaven i konteksten, gjorde omtrent 507 modellkall per kjøring og fant ut av oppgaven på nytt hver gang. Duplex lærte den med modellen slått av og gjorde ingen modellkall i det hele tatt. For en oppgave som dukker opp hver uke, er det forskjellen mellom en modellregning som aldri tar slutt, og ingen regning overhodet. Duplex lærer oppgaven én gang, og KI-en din er fri til arbeidet som krever resonnering.

Et system som lærer på egen hånd, er bare nyttig hvis du kan stole på det systemet lærer. Bekymringen er rimelig: en snarvei som virket én gang og deretter blir brukt overalt, eller en vane ingen ba om, som ikke kan tas tilbake. I en trent modell er det den har lært, spredt gjennom hele modellen, så ingen enkelt lærdom kan løftes ut, og å rette én betyr å trene på nytt.

Duplex tester en ny ferdighet før den tar den i bruk. En ferdighet den har funnet, tas i bruk først når den har bestått kontrollene sine, og til da fortsetter arbeidet som før. En snarvei som tilfeldigvis virket én gang, er ikke nok. Det som når systemene og kundene dine, er en ferdighet som allerede har vist at den virker.

Når den først har bestått, koster en ferdighet nesten ingenting å bruke igjen. Duplex gjentok en lært ferdighet på 0.26 ms, uten modellkall, der en modell som arbeider i konteksten, må betale for å resonnere seg gjennom hvert steg hver gang oppgaven dukker opp. Som alt Duplex lærer, tilhører ferdigheten deg, og enhver agent du tillater, kan bruke den. Arbeid som den ukentlige rapporten slutter å være noe KI-en din regner seg frem til, og blir noe Duplex gjør.

Og du kan ta tilbake hvilken som helst ferdighet. Prosesser endres, systemer fases ut, og et steg som var greit forrige kvartal, er kanskje ikke greit nå. Be om at en ferdighet skal bort, så fjerner Duplex den og lar alt annet den har lært, være som det var. I testene ble hver ferdighet den hadde lært, fjernet på forespørsel og kontrollert bit for bit, så ingenting av den ble igjen.

Det er det som skal til for å la et system lære på egen hånd: grenser du setter før det starter, kontroller før noe nytt tas i bruk, og muligheten til å ta hva som helst av det tilbake. Med alle tre på plass kan arbeidet teamet ditt gjentar hver uke, bli ferdigheter som Duplex finner, tester og kjører på en brøkdel av et millisekund. KI-en din tar problemene som krever resonnering, folkene dine tar skjønnsavgjørelsene, og teamet ditt får fredagene sine tilbake.