Microsoft Discovery؛ پلتفرم عامل‌محور مایکروسافت برای تحقیق‌وتوسعه علمی

در همین راستا، مایکروسافت پلتفرم Microsoft Discovery را به‌عنوان یکی از جاه‌طلبانه‌ترین پروژه‌های خود در حوزه علم و مهندسی معرفی کرده است؛ پلتفرمی که هدف آن تسریع فرایند کشف علمی، طراحی مهندسی و توسعه محصولات جدید با استفاده از تیم‌هایی از عامل‌های هوش مصنوعی است.

Microsoft Discovery چیست؟

Microsoft Discovery صرفاً یک چت‌بات یا دستیار پژوهشی نیست، بلکه یک محیط جامع برای انجام تحقیق‌وتوسعه در مقیاس سازمانی محسوب می‌شود که مدل‌های استدلالی، عامل‌های تخصصی، زیرساخت رایانش ابری، شبیه‌سازی‌های علمی و داده‌های سازمانی را در یک بستر واحد گرد هم می‌آورد.

مایکروسافت، Discovery را به‌عنوان یک «پلتفرم عامل‌محور برای تحقیق‌وتوسعه» توصیف می‌کند که به دانشمندان، مهندسان و تیم‌های نوآوری اجازه می‌دهد با مجموعه‌ای از عامل‌های تخصصی هوش مصنوعی همکاری کنند. این عامل‌ها می‌توانند وظایفی مانند تحلیل دانش علمی، استخراج اطلاعات از مقالات، تولید فرضیه، طراحی آزمایش، اجرای شبیه‌سازی، تحلیل نتایج و پیشنهاد مسیرهای تحقیقاتی جدید را برعهده بگیرند.

برخلاف بسیاری از ابزارهای مولد که خروجی آن‌ها به پاسخ‌های متنی محدود می‌شود، Microsoft Discovery برای اجرای واقعی چرخه‌های تحقیقاتی طراحی شده است. در این سیستم، عامل‌ها نه‌تنها استدلال می‌کنند، بلکه می‌توانند با ابزارهای محاسباتی، نرم‌افزارهای شبیه‌سازی، مدل‌های تخصصی علمی و حتی تجهیزات آزمایشگاهی ارتباط برقرار کنند.

چرا Microsoft Discovery مهم است؟

اهمیت Discovery صرفاً در استفاده از مدل‌های زبانی بزرگ نیست. اهمیت واقعی آن در تلاش برای تبدیل هوش مصنوعی از یک ابزار کمکی به یک «سامانه فعال پژوهش و توسعه» نهفته است. مایکروسافت معتقد است آینده علم بر پایه همکاری میان انسان و شبکه‌ای از عامل‌های هوش مصنوعی شکل خواهد گرفت؛ عامل‌هایی که می‌توانند دانش را ترکیب کنند، فرضیه بسازند، آزمایش طراحی کنند، شبیه‌سازی اجرا کنند و نتایج را ارزیابی نمایند. اگر این رویکرد در مقیاس گسترده موفق شود، Discovery می‌تواند زمان موردنیاز برای توسعه مواد جدید، داروها، تراشه‌ها، فناوری‌های انرژی و محصولات صنعتی را به شکل قابل‌توجهی کاهش دهد. این همان چشم‌اندازی است که مایکروسافت از آن با عنوان «Frontier R&D» یا نسل جدید تحقیق‌وتوسعه یاد می‌کند.

ظهور عصر تحقیق‌وتوسعه عامل‌محور

مایکروسافت معتقد است صنعت تحقیق‌وتوسعه در آستانه ورود به مرحله‌ای جدید قرار دارد؛ مرحله‌ای که در آن تیم‌هایی از عامل‌های هوش مصنوعی در کنار پژوهشگران انسانی فعالیت می‌کنند. این شرکت از مفهوم «Agentic R&D» یا تحقیق‌وتوسعه عامل‌محور استفاده می‌کند؛ رویکردی که در آن عامل‌های هوش مصنوعی می‌توانند حجم عظیمی از دانش سازمانی و علمی را پردازش کرده، فرضیه‌های جدید بسازند، آن‌ها را ارزیابی کنند و نتایج را وارد چرخه‌های بعدی پژوهش کند.

به گفته مایکروسافت، پیچیدگی روزافزون پروژه‌های علمی و مهندسی باعث شده است که فرایند تبدیل یک ایده اولیه به محصول نهایی به‌شدت زمان‌بر و پرهزینه شود. توسعه مواد جدید، داروها، نیمه‌رساناها یا فناوری‌های انرژی معمولاً مستلزم صدها یا هزاران آزمایش، شبیه‌سازی و تکرار است. Discovery با هدف کوتاه‌کردن این فاصله طراحی شده است.

معماری Microsoft Discovery چگونه کار می‌کند؟

هسته اصلی این پلتفرم بر چهار مؤلفه کلیدی استوار است:

1. Discovery Engine: مهم‌ترین بخش این سامانه، Discovery Engine است. این موتور تلاش می‌کند فرایند علمی را مدل‌سازی کند؛ یعنی از داده‌ها و شواهد موجود شروع کرده، فرضیه ایجاد کند، آن فرضیه‌ها را اعتبارسنجی کند و نتایج را برای چرخه‌های بعدی به کار گیرد. این موتور به‌جای جست‌وجوی ساده اطلاعات، قادر است میان نظریه‌های متناقض، داده‌های آزمایشگاهی، مقالات علمی و دانش سازمانی ارتباط برقرار کند و بر اساس آن‌ها استدلال انجام دهد. مایکروسافت این قابلیت را یکی از تفاوت‌های اصلی Discovery با ابزارهای عمومی هوش مصنوعی می‌داند.
2. عامل‌های تخصصی: در این پلتفرم، عامل‌های متعددی برای وظایف گوناگون تعریف می‌شوند. هر عامل می‌تواند روی یک حوزه تخصصی تمرکز کند؛ از جمله این عامل‌های تخصصی می‌توان به عامل‌های تحلیل ادبیات علمی، طراحی آزمایش، مدل‌سازی مواد، تحلیل داده‌های زیستی، شبیه‌سازی فیزیکی و بهینه‌سازی طراحی مهندسی نام برد. این عامل‌ها به‌صورت تیمی با یکدیگر همکاری می‌کنند و تحت نظارت پژوهشگران انسانی فعالیت دارند.
3. گراف دانش علمی: Discovery از یک زیرساخت دانش مبتنی بر گراف استفاده می‌کند که ارتباط میان مفاهیم علمی، مقالات، داده‌های آزمایشگاهی، پتنت‌ها و منابع سازمانی را مدل‌سازی می‌کند. این ساختار به عامل‌ها اجازه می‌دهد روابط پنهان میان داده‌ها را کشف کنند و صرفاً به بازیابی اسناد محدود نباشند.
4. زیرساخت محاسباتی Azure: مایکروسافت Discovery را بر بستر Azure توسعه داده است. این موضوع امکان دسترسی مستقیم به منابع محاسباتی سنگین، ابررایانه‌ها، خوشه‌های HPC و مدل‌های هوش مصنوعی سازمانی را فراهم می‌کند.

فراتر از هوش مصنوعی مولد

یکی از مهم‌ترین نکات درباره Discovery آن است که این پلتفرم صرفاً برای تولید متن طراحی نشده است. عامل‌های Discovery می‌توانند شبیه‌سازی‌های علمی اجرا کنند، مدل‌های تخصصی را فراخوانی کنند، تحلیل‌های عددی انجام دهند، داده‌های آزمایشگاهی را بررسی کنند، نتایج را با منابع علمی مقایسه نمایند و مسیرهای تحقیقاتی جدید پیشنهاد دهند. در واقع، مایکروسافت Discovery را نوعی «همکار پژوهشی دیجیتال» معرفی می‌کند که می‌تواند بخش قابل‌توجهی از فعالیت‌های تحقیقاتی را خودکار کند.

اتصال دنیای دیجیتال و آزمایشگاه فیزیکی

یکی از ویژگی‌های متمایز Discovery امکان تعامل با تجهیزات و محیط‌های فیزیکی است.

بر اساس اسناد رسمی مایکروسافت، این پلتفرم می‌تواند با تجهیزات آزمایشگاهی، ربات‌های آزمایشگاهی، دستگاه‌های IoT، ابزارهای اندازه‌گیری و سامانه‌های خودکار آزمایش یکپارچه شود. عامل‌های هوش مصنوعی قادرند تحت نظارت انسان، فرایندهای آزمایشگاهی را برنامه‌ریزی و هدایت کنند. این موضوع Discovery را به سمت مفهوم «آزمایشگاه خودران» یا Autonomous Lab نزدیک می‌کند؛ مفهومی که بسیاری از شرکت‌های فناوری آن را آینده پژوهش علمی می‌دانند.

حاکمیت، امنیت و انطباق سازمانی

تحقیق‌وتوسعه در صنایع حساسی مانند داروسازی، شیمی، انرژی و نیمه‌رساناها مستلزم رعایت الزامات امنیتی و مقرراتی پیچیده است. به همین دلیل، مایکروسافت قابلیت‌های زیر را در Discovery تعبیه کرده است:

• کنترل دسترسی
• ثبت کامل فعالیت‌ها
• مسیرهای ممیزی
• مدیریت مرکزی عامل‌ها
• کنترل فرایندهای تصمیم‌گیری
• سازوکارهای حاکمیتی برای تحقیقات مبتنی بر عامل‌ها

این قابلیت‌ها برای سازمان‌هایی طراحی شده‌اند که با داده‌های محرمانه و مالکیت فکری ارزشمند سروکار دارند.

یک اکوسیستم باز برای علم

مایکروسافت تأکید می‌کند که Discovery یک پلتفرم بسته نیست. این سامانه امکان یکپارچه‌سازی با مدل‌های متن‌باز، ابزارهای شخص ثالث، نرم‌افزارهای تخصصی تحقیقاتی  Microsoft Foundry ،Microsoft Fabric و Microsoft 365 را فراهم می‌کند. هدف مایکروسافت این است که Discovery بتواند در زیرساخت‌های موجود سازمان‌ها ادغام شود و نیاز به بازطراحی کامل فرایندها نداشته باشد.

نمونه‌های کاربردی واقعی

مایکروسافت Discovery را برای طیف وسیعی از حوزه‌های علمی طراحی کرده است. در میان حوزه‌های مورد اشاره می‌توان به شرکت زیر اشاره کرد.

شرکت Syensqo از نخستین سازمان‌هایی است که Discovery را در فرایندهای نوآوری خود به کار گرفته است. این شرکت از Discovery برای اتصال داده‌های علمی و تجاری، گسترش محیط‌های شبیه‌سازی و ایجاد زیرساختی یکپارچه برای نوآوری استفاده می‌کند. هدف، تسریع چرخه توسعه محصولات و افزایش سرعت ورود نوآوری به بازار است.

مایکروسافت همچنین همکاری خود با شرکت PhysicsX را تقویت کرده است. در این پروژه، عامل‌های Discovery توانسته‌اند تولید، ارزیابی و بهینه‌سازی هزاران طراحی مهندسی را خودکار کنند. به گفته مایکروسافت، فرایندهایی که پیش‌تر هفته‌ها زمان نیاز داشتند، اکنون در بازه زمانی بسیار کوتاه‌تری انجام می‌شوند و مهندسان می‌توانند بخش بسیار بزرگ‌تری از فضای طراحی را بررسی کنند.

در حوزه سرطان‌شناسی، Discovery از فناوری GigaTIME برای تحلیل محیط میکروسکوپی تومورها استفاده می‌کند. این سامانه قادر است از تصاویر پاتولوژی استاندارد، اطلاعات زیستی پیچیده‌ای درباره نفوذ سلول‌های ایمنی، نشانگرهای زیستی و ویژگی‌های تومور استخراج کند. سپس این اطلاعات به‌عنوان ورودی چرخه‌های استدلال علمی در Discovery مورداستفاده قرار می‌گیرند.

مایکروسافت همچنین از همکاری با شرکت Synopsys در حوزه طراحی تراشه و ابزارهای EDA خبر داده است. هدف این همکاری استفاده از عامل‌های هوش مصنوعی برای تسریع طراحی و توسعه سیستم‌های نیمه‌رسانا است.

نسخه عمومی و اپلیکیشن Discovery

در ۲ ژوئن ۲۰۲۶ و در حاشیه رویداد Build 2026 مایکروسافت اعلام کرد که Microsoft Discovery وارد مرحله دسترسی عمومی شده و هم‌زمان پیش‌نمایش اپلیکیشن Microsoft Discovery App نیز منتشر شده است. این اپلیکیشن به پژوهشگران امکان می‌دهد عامل‌ها و گردش‌کارهای تحقیقاتی را در محیطی ساده‌تر ایجاد و مدیریت کنند.  بر اساس توضیحات مایکروسافت، کاربران می‌توانند عامل‌های اختصاصی خود را تعریف کرده و آن‌ها را به داده‌های داخلی، منابع علمی خارجی و ابزارهای تحلیلی متصل کنند. سپس این عامل‌ها در قالب گردش‌کارهای چندمرحله‌ای فعالیت خواهند کرد.

Microsoft Discovery در گیت‌هاب

API و قابلیت توسعه‌پذیری

مایکروسافت علاوه بر رابط کاربری، مجموعه‌ای از APIها و سرویس‌های برنامه‌نویسی را نیز ارائه کرده است تا سازمان‌ها بتوانند Discovery را در سامانه‌های موجود خود ادغام کنند. مستندات REST API امکان مدیریت منابع، عامل‌ها و گردش‌کارهای تحقیقاتی را فراهم می‌کند.  این قابلیت برای شرکت‌هایی اهمیت دارد که می‌خواهند Discovery را به بخشی از زیرساخت تحقیقاتی اختصاصی خود تبدیل کنند.

جمع‌بندی

Microsoft Discovery را می‌توان یکی از جدی‌ترین تلاش‌های صنعت فناوری برای ورود هوش مصنوعی به قلب فرایند کشف علمی دانست. این پلتفرم با ترکیب عامل‌های هوشمند، استدلال پیشرفته، گراف‌های دانش، شبیه‌سازی علمی، رایانش ابری و زیرساخت‌های آزمایشگاهی، تلاش می‌کند کل چرخه تحقیق‌وتوسعه را بازتعریف کند. درحالی‌که بسیاری از ابزارهای هوش مصنوعی هنوز در سطح تولید محتوا یا تحلیل داده باقی مانده‌اند، Discovery گامی فراتر برداشته و به دنبال آن است که به یک همکار علمی فعال تبدیل شود؛ همکاری که بتواند در کنار پژوهشگران انسانی، سرعت نوآوری را در صنایع مختلف افزایش دهد و مرزهای کشف علمی را جابه‌جا کند.