Edisi ke-97 Microsoft Research Focus yang dipandu Sowbhagya Suresh merangkum tujuh riset terbaru dari komunitas peneliti Microsoft, mulai dari cara agen AI memperbaiki kesalahannya hingga model baru untuk memahami protein. Berdasarkan rilis resmi Microsoft Research (29/10), edisi ini mengangkat tema besar seputar keandalan agen AI, cara kerja manusia dengan AI, dan penerapan AI untuk sains.
Salah satu sorotan utama adalah ForkPilot, sebuah framework agenik yang mampu belajar sendiri. Agen AI modern sering kali harus menjalankan tugas bertahap dengan banyak keputusan, dan ketika terjadi kesalahan, memperbaiki langkah yang salah bisa memakan sumber daya besar tanpa jaminan hasil lebih baik. ForkPilot dirancang untuk menilai kapan layak meninjau ulang keputusan sebelumnya dan menyesuaikan strategi berdasarkan hasil baru. Dalam pengujian pada enam benchmark dan beberapa model AI terkemuka, ForkPilot disebut mampu menandingi metode terbaik yang ada sekaligus mengurangi kebutuhan pemrosesan AI hingga 59%.
Riset lain menyoroti keterbatasan coding agent, yaitu agen AI yang menulis dan menjalankan kode. Tim peneliti memperkenalkan CABRA, framework untuk menghasilkan tantangan coding dari nol dengan tingkat kompleksitas yang dapat dikontrol. Dari ribuan tantangan yang dihasilkan, peneliti menemukan bahwa agen sering kali mengandalkan alat bantu untuk memecahkan masalah, tetapi tetap kesulitan ketika harus memahami codebase yang belum dikenal. Temuan ini menunjukkan bahwa membaca dan memahami kode yang ada, bukan sekadar mengubahnya, masih menjadi hambatan utama dalam pengembangan coding agent yang lebih andal.
Di sisi lain, TeleTune hadir sebagai framework untuk computer-use agents, yaitu agen AI yang mengotomasi tugas dengan klik dan ketukan di perangkat lunak. TeleTune belajar dari log aktivitas pengguna untuk mengenali prosedur kerja yang berulang, sekaligus menyimpulkan tujuan di balik setiap rangkaian tindakan. Dalam evaluasi pada tugas perangkat lunak dan peramban, pendekatan ini disebut mengungguli metode yang sudah ada.
Microsoft juga merilis hasil analisis terhadap penggunaan Copilot Chat di berbagai industri. Aktivitas menyunting dokumen tercatat sebagai penggunaan paling umum, mencakup lebih dari 20% dari seluruh aktivitas yang terklasifikasi. Namun, setelah dua puluh aktivitas paling umum dikeluarkan, perbedaan antar industri menjadi jauh lebih jelas. Bagi pemimpin organisasi, pesannya adalah tidak boleh mengasumsikan kebutuhan AI sama dengan industri lain; penggunaan AI untuk pekerjaan yang lebih spesifik sering kali tersembunyi di balik statistik umum.
Untuk dunia pendidikan, Shiksha Copilot dirancang untuk membantu guru di sekolah dengan sumber daya terbatas menyusun dan menyesuaikan rencana pelajaran melalui kolaborasi dengan AI. Di bidang cuaca, framework AI baru disebut mampu menjembatani kesenjangan penting dalam prakiraan cuaca jangka menengah, yaitu rentang waktu yang selama ini kurang akurat. Terakhir, BioEmu2, model AI untuk memahami perilaku protein, kini tersedia dalam public preview.
Secara umum, istilah agen AI merujuk pada sistem yang tidak hanya menjawab pertanyaan, tetapi juga mengambil tindakan berurutan untuk menyelesaikan tugas, mulai dari menulis kode hingga mengoperasikan perangkat lunak. Edisi ini menggambarkan arah riset Microsoft yang berusaha membuat agen AI lebih efisien, lebih mudah diawasi, dan lebih relevan dengan pekerjaan nyata manusia.