mardi, 5 mars 2024

Simplifier le développement de l’IA avec Azure AI Studio

Microsoft Azure est au cœur des ambitions de Microsoft en matière d’IA depuis plusieurs années maintenant. Tout a commencé par la mise à disposition des produits de connaissance approfondie de l’étude Microsoft Research sous le nom d’Azure Cognitive Services. Microsoft a inclus des outils pour déployer votre propre appareil hébergé dans le cloud, en utilisant Azure pour former les conceptions et héberger les services résultants. Azure héberge désormais la famille croissante de Copilots de Microsoft, qui se développent tous deux sur les conceptions d’IA générative d’Azure OpenAI et offrent aux clients un accès à ces mêmes conceptions.

Prenant en charge tous ces outils, tout en fournissant une structure pour personnaliser le cloud. conceptions de services, Azure devait fournir plusieurs environnements de développement. Le résultat était pour le moins complexe et difficile à comprendre. Le groupe Azure AI travaille en fait sur un remplacement, Azure AI Studio, qui combine les outils de développement d’IA d’Azure, développant sur des principes d’IA responsable et prenant en charge un mélange de conceptions d’IA prédéfinies et personnalisées.

Le développement d’Azure AI Studio inclut une modification essentielle dans la façon dont nous utilisons les modèles d’IA. Au lieu de simplement appeler une API à un seul modèle, nous construisons désormais des pipelines qui mélangent différents éléments d’une conception, ou même chaînons différents modèles pour fournir une application multimodale. Des outils tels que LangChain, Semantic Kernel et Prompt Circulation sont désormais des cadres nécessaires pour apprivoiser et gérer les résultats de l’IA générative, en les ancrés dans nos propres données.

Par exemple, nous pouvons disposer d’une application de vision du système informatique qui détermine les éléments d’une image, en introduisant cette liste dans un modèle de langage génératif d’IA pour produire une description textuelle de l’image, avant d’utiliser un générateur vocal pour vérifier cette description auprès d’un utilisateur mal esthétique tenant un appareil électronique caméra.

Présentation d’Azure AI Studio

En conséquence, Microsoft intègre ses différents outils d’avancement Azure AI dans un tout nouvel environnement, Azure AI Studio. Présenté en avant-première publique lors d’Ignite 2023, Azure AI Studio se concentre quant à lui sur la structure Copilots, le nom de Microsoft pour les applications génératives basées sur l’IA. AI Studio inclut la prise en charge des outils multimodaux à modèles mixtes et du SDK Azure AI. L’objectif global est de vous permettre d’expérimenter au sein du Studio avant de transformer votre conception raffinée en un service de production.

Bien qu’Azure AI Studio soit en avant-première publique, l’utilisation de modèles Azure OpenAI dans votre application nécessite l’approbation de Microsoft. . Vous devrez traiter un projet pour une entreprise client approuvée, ce qui nécessite que vous travailliez directement avec une équipe de compte Microsoft. Vous devrez également disposer d’un cas d’utilisation spécifique pour votre projet, car celui-ci sera utilisé pour définir l’accès au service pour vous et vos utilisateurs. Si votre application utilise des informations délicates, vous devrez probablement limiter votre application aux utilisateurs internes sur des réseaux internes protégés.

Il n’est pas nécessaire de développer une toute nouvelle ressource pour gérer Azure AI Studio : il s’agit d’un service autonome situé en dehors du portail Azure. Connectez-vous simplement avec un compte Azure pour commencer à travailler. AI Studio s’ouvre sur un premier écran d’accueil qui vous propose d’accéder à une brochure de modèles, ainsi qu’au service Azure OpenAI. D’autres alternatives fournissent des liens vers les API familières des Cognitive Providers et vers des outils de sécurité du contenu qui vous aident à réduire le risque d’inclure des éléments inappropriés dans les informations de formation ou dans les déclencheurs utilisés dans une application basée sur l’IA.

Il existe 4 onglets dans Azure AI Studio : Accueil, Explorer, Créer et Gérer. Sur l’onglet Accueil, en plus des liens vers le reste du service, vous verrez une variété d’exemples de tâches hébergées sur GitHub. Ceux-ci vous offriront l’échafaudage nécessaire pour commencer à construire votre propre code. Un exemple vous montre comment créer un copilote basé sur Azure AI, et un autre vous montre comment combiner divers services d’IA pour créer une application multimodale.

Création d’applications IA dans Azure AI Studio

Le début est assez simple. Vous commencez par développer une ressource spécifique à l’IA pour gérer les machines virtuelles et les services utilisés pour votre application. Azure AI Studio vous guide à travers un assistant de configuration Azure familier, créant cette ressource et ses services IA. Il est intéressant de noter que la valeur par défaut consiste en la recherche cognitive Azure renommée, désormais appelée Azure AI Search. Il s’agit d’un choix intrigant, car il indique que Microsoft adopte une approche avisée en matière d’architectures d’applications d’IA, exigeant un paramètre externe d’intégration pour mettre à la terre votre application et réduire le risque d’« hallucinations » dues aux dépassements d’invite.

Vous pouvez désormais ajouter un modèle d’IA à vos circonstances Azure AI Studio, par exemple à l’aide d’une conception d’IA générative Azure OpenAI. Ceci est ajouté au groupe de ressources que vous utilisez pour votre application d’IA, garantissant ainsi que vous gérez l’accès au réseau pour empêcher tout accès non autorisé à votre API. Cela vous permet de verrouiller l’accès à un réseau virtuel spécifique, de sorte que le seul accès provienne de votre application. Pour encore plus de contrôle, vous pouvez désactiver entièrement l’accès au réseau public, créant ainsi des points de terminaison personnels sur des sous-réseaux particuliers.

Il existe un large catalogue de modèles proposés. Vous n’êtes pas limité aux conceptions OpenAI, il existe une prise en charge de Meta’s Llama, des modèles open source sur Hugging Face, de la collection de conceptions de structure de Nvidia et des modèles d’étude de Microsoft Research. Vous pouvez choisir directement des conceptions ou utiliser une liste de tâches de raisonnement pour décider de la conception qui convient à votre travail. Utilement, le catalogue est interactif et vous pouvez essayer des interactions de base avant de déployer une conception dans une tâche.

Construire une application basée sur l’IA dans Azure AI Studio peut être plutôt basique. Une fois que vous avez créé une version et sélectionné votre option de conception, elle est prête à commencer à être utilisée. Il existe un terrain de jeu simple que vous pouvez utiliser pour tester les déclencheurs et le fonctionnement de la conception, par exemple en examinant les conclusions ou en exécutant une session de discussion basée sur l’IA. Au départ, vous n’utiliserez pas le modèle avec vos propres données, il ne vous fournira donc que des réponses génériques.

Lorsque vous êtes satisfait de vos invites standard et de l’efficacité de la conception que vous utilisez, vous peut commencer à personnaliser ses habitudes en incluant des données. Les sources de données peuvent être des fichiers soumis, un stockage Azure Blob ou un index Azure AI Search. Cette dernière option permet d’introduire rapidement un index vectoriel prétraité, ce qui augmentera la précision et la rapidité. Les fichiers peuvent inclure PowerPoint, Word, PDF, HTML, Markdown et du texte brut. Les nouvelles données seront indexées par Azure AI Browse, prêtes à étayer votre conception d’IA.

Azure AI Studio vous tient informé des coûts à toutes les actions du processus, afin que vous puissiez faire des choix éclairés sur les fonctionnalités à mettre en œuvre. c’est possible pour. Il s’agit de savoir s’il faut utiliser ou non la recherche vectorielle. Une fois les données consommées, vous pouvez utiliser le terrain de jeu pour évaluer à nouveau les réponses de votre modèle, en vous assurant qu’elles sont désormais fondées.

Le modèle peut désormais être déployé en tant qu’application Web pour des tests plus approfondis, notamment authentification des autres utilisateurs occupants via Entra ID. À ce stade, vous pouvez exporter le contenu du terrain de jeu vers Trigger Circulation pour un développement supplémentaire.

Chaînage de modèles, d’invites et d’API avec Prompt Flow

Trigger Circulation est l’outil d’Azure AI Studio pour chaîner des modèles. , des invites et des API pour créer des applications complexes basées sur l’IA. Il vous offre les outils nécessaires pour gérer les invites au niveau du système, les entrées des utilisateurs et les services, en les utilisant dans le cadre d’une circulation, similaire à celles intégrées dans Semantic Kernel ou LangChain.

La circulation des invites vous donne une vue visuelle. des éléments de votre application et comment chaque action alimente la suivante, vous permettant de créer et de déboguer des services de type Copilot en connectant des nœuds qui exécutent des fonctions particulières. Ceux-ci peuvent inclure Python, vous permettant de générer des outils de science des données. Bien que vous puissiez développer vos propres diffusions à partir de zéro, Trigger Flow comprend un ensemble de modèles de conception de base qui fournissent l’échafaudage nécessaire pour progresser davantage. Il s’agit d’échafaudages permettant de créer de longues discussions avec une mémoire de conversation.

L’utilisation de Prompt Circulation vous permet d’opérer à la fois dans Azure AI Studio et dans Visual Studio Code, vous offrant ainsi votre choix d’environnement de développement. L’utilisation d’une technique basée sur le code perd le graphique de flux visuel, avec les connexions et les aspects de flux spécifiés dans YAML. Cependant, l’extension Prompt Circulation pour VS Code vous permet non seulement de gérer le code du contenu de votre flux, mais vous offre également un éditeur visuel et une vue de votre graphique de circulation.

Azure AI Studio est toujours en cours aperçu, mais il offre déjà une gestion remarquablement avisée du développement d’applications d’IA. La collection d’outils d’IA de Microsoft révèle que l’entreprise a adopté l’IA générative en gros et inclut les leçons qu’elle a apprises en produisant des copilotes fiables. Le résultat promet d’être un processus rapide pour intégrer l’IA générative à vos applications et données.

Lisez ensuite ceci :

  • La meilleure application logicielle open source de 2023
  • Les accréditations pour les salons sont-elles toujours importantes ?
  • Le cloud computing n’est plus un jeu d’enfant
  • Qu’est-ce que l’IA générative ? Système expert qui développe
  • Codage avec l’IA : conseils et meilleures pratiques des concepteurs
  • Pourquoi Wasm est l’avenir du cloud computing

.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici