一度の作業を次の改善へ。

根拠を残し、変更を提案し、確認した内容を次の作業で使います。モデルの重みを再学習する仕組みではありません。

メモリ

改善前

報告書の基準を毎回説明する必要があります。

変更後

確認した基準を記憶に残し、次の作業で使います。

  1. 作業記録を読む
  2. 記憶変更を提案
  3. 変更内容と理由を確認
  4. 許可範囲で適用
  5. 再利用または条件付き取消

残す情報

変更前後、理由、適用状態、版。

変化の確認方法

同じ課題を記憶あり・なしで実行し、要件充足と誤情報の持ち越しを比較します。

ハーネス

改善前

失敗した方法を原因不明のまま繰り返します。

変更後

検証した方法の変更を次の実行に反映します。

  1. 実行根拠を収集
  2. 失敗の傾向を分析
  3. 実行構成の変更を提案
  4. 同条件で比較評価
  5. 合格した版を反映

残す情報

課題、モデル、構成版、失敗、成果物、測定費用。

変化の確認方法

の開発目標です。同じ課題を繰り返し、失敗、再試行、遅延、費用も比較します。

LabChin研究

改善前

有用な発見が一つの報告書に埋もれます。

変更後

発見、根拠、未解決の問いを次の調査につなぎます。

  1. 原典を残す
  2. 観測と解釈を区別
  3. 未解決の問いを記録
  4. 次の調査計画を確認
  5. 次の結果をつなぐ

残す情報

原典の版、観測、解釈、未解決の問い、次の成果物。

変化の確認方法

開発中の研究フローです。各解釈の根拠となる原典を再確認できるかを検証します。

メモリ変更提案と条件付き取消は実装されています。全体の比較評価と反映は開発中です。性能向上は同条件の評価で確かめます。

実装から検証できる根拠へ。

ベンチマーク技術LabChin