ملاحظة
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
فهم لغة المحادثة هي إحدى الميزات المخصصة التي تقدمها Azure الذكاء الاصطناعي Language. إنها خدمة واجهة برمجة تطبيقات مستندة إلى السحابة تطبق ذكاء التعلم الآلي لتمكينك من إنشاء مكون فهم اللغة الطبيعية لاستخدامها في تطبيق محادثة شامل.
يتيح فهم لغة المحادثة (CLU) للمستخدمين إنشاء نماذج مخصصة لفهم اللغة الطبيعية للتنبؤ بالغرض العام للنطق الوارد واستخراج معلومات مهمة منه. يوفر CLU فقط التحليل الذكي لفهم نص الإدخال لتطبيق العميل ولا ينفذ أي إجراءات. من خلال إنشاء مشروع CLU، يمكن للمطورين تسمية التعبيرات بشكل متكرر، وتدريب أداء النموذج وتقييمه قبل إتاحته للاستهلاك. تؤثر جودة البيانات المسماة بشكل كبير على أداء النموذج. لتبسيط إنشاء النموذج وتخصيصه، توفر الخدمة مدخل ويب مخصصا يمكن الوصول إليه من خلال Azure الذكاء الاصطناعي Foundry. يمكنك بسهولة بدء استخدام الخدمة باتباع الخطوات الواردة في هذا التشغيل السريع.
تحتوي هذه الوثائق على أنواع المقالات التالية:
- قوالب التشغيل السريع هي إرشادات البدء لإرشادك من خلال تقديم طلبات إلى الخدمة.
- توفر المفاهيم تفسيرات لوظائف الخدمة وميزاتها.
- تحتوي الأدلة الإرشادية على إرشادات لاستخدام الخدمة بطرق أكثر تحديدا أو تخصيصا.
مثال على سيناريوهات الاستخدام
يمكن استخدام CLU في سيناريوهات متعددة عبر صناعات مختلفة. في ما يلي بعض الأمثلة:
روبوت محادثة شامل
استخدم CLU لإنشاء نموذج فهم اللغة الطبيعية المخصصة وتدريبه استنادا إلى مجال معين وتصريحات المستخدمين المتوقعة. قم بدمجه مع أي روبوت محادثة شامل حتى يتمكن من معالجة النص الوارد وتحليله في الوقت الفعلي لتحديد نية النص واستخراج المعلومات المهمة منه. يجب على الروبوت تنفيذ الإجراء المطلوب بناء على النية والمعلومات المستخرجة. مثال على ذلك هو روبوت البيع بالتجزئة المخصص للتسوق عبر الإنترنت أو طلب الطعام.
روبوتات المساعدة البشرية
أحد الأمثلة على روبوت المساعد البشري هو مساعدة الموظفين على تحسين تفاعلات العملاء من خلال فرز استعلامات العملاء وتعيينها إلى مهندس الدعم المناسب. مثال آخر هو روبوت الموارد البشرية في مؤسسة تسمح للموظفين بالاتصال بلغة طبيعية وتلقي الإرشادات بناء على الاستعلام.
تطبيق الأوامر والتحكم
عند دمج تطبيق عميل مع مكون كلام إلى نص، يمكن للمستخدمين التحدث بلغة طبيعية ل CLU لمعالجة وتحديد الهدف واستخراج المعلومات من النص لتطبيق العميل لتنفيذ إجراء. تحتوي حالة الاستخدام هذه على العديد من التطبيقات، مثل إيقاف أغنية وتشغيلها وإعادة توجيهها وإرجاعها أو تشغيل الأضواء أو إيقاف تشغيلها.
روبوت الدردشة على مستوى المؤسسة
في شركة كبيرة، قد يتعامل روبوت دردشة المؤسسة مع مختلف شؤون الموظفين. قد يتعامل مع الأسئلة المتداولة التي تقدمها قاعدة معارف مخصصة للإجابة على الأسئلة، ومهارة محددة للتقويم يخدمها فهم لغة المحادثة، ومهارة ملاحظات المقابلة التي تقدمها LUIS. استخدم سير عمل التنسيق لتوصيل كل هذه المهارات معا وتوجيه الطلبات الواردة بشكل مناسب إلى الخدمة الصحيحة.
الوكلاء
يستخدم CLU بواسطة قالب عامل توجيه الهدف ، والذي يكشف عن هدف المستخدم ويوفر الإجابة الدقيقة. مثالي لتوجيه الهدف المحدد والإجابة الدقيقة على الأسئلة باستخدام التحكم البشري.
دورة حياة تطوير المشروع
يتضمن إنشاء مشروع CLU عادة عدة خطوات مختلفة.
ملاحظة
في Azure الذكاء الاصطناعي Foundry، ستقوم بإنشاء مهمة ضبط دقيقة كمساحة عمل لتخصيص نموذج CLU الخاص بك. سابقا، كانت مهمة ضبط CLU تسمى مشروع CLU. قد ترى هذه المصطلحات مستخدمة بالتبادل في وثائق CLU القديمة.
يوفر CLU مسارين لك لتحقيق أقصى استفادة من التنفيذ الخاص بك.
الخيار 1 (النشر السريع الذي يتم بواسطة LLM):
تحديد المخطط الخاص بك: تعرف على بياناتك وحدد الإجراءات والمعلومات ذات الصلة التي تحتاج إلى التعرف عليها من تعبيرات إدخال المستخدم. في هذه الخطوة، يمكنك إنشاء الأهداف وتقديم وصف مفصل حول معنى أهدافك التي تريد تعيينها لتصريحات المستخدم.
توزيع النموذج: نشر نموذج باستخدام تكوين التدريب المستند إلى LLM يجعله متاحا للاستخدام عبر واجهة برمجة تطبيقات وقت التشغيل.
التنبؤ بالأهداف والكيانات: استخدم نشر النموذج المخصص للتنبؤ بالأهداف المخصصة والكيانات التي تم إنشاؤها مسبقا من تصريحات المستخدم.
الخيار 2 (نموذج تعلم الجهاز المخصص)
اتبع هذه الخطوات لتحقيق أقصى استفادة من النموذج المدرب:
تحديد المخطط الخاص بك: تعرف على بياناتك وحدد الإجراءات والمعلومات ذات الصلة التي تحتاج إلى التعرف عليها من تعبيرات إدخال المستخدم. في هذه الخطوة، يمكنك إنشاء الأهداف التي تريد تعيينها لأقوال المستخدم، والكيانات ذات الصلة التي تريد استخراجها.
تسمية بياناتك: تعد جودة تسمية البيانات عاملا رئيسيا في تحديد أداء النموذج.
تدريب النموذج: يبدأ نموذجك في التعلم من بياناتك المسماة.
عرض أداء النموذج: اعرض تفاصيل التقييم للنموذج الخاص بك لتحديد مدى أدائه عند تقديمه إلى بيانات جديدة.
تحسين النموذج: بعد مراجعة أداء النموذج، يمكنك بعد ذلك معرفة كيفية تحسين النموذج.
نشر النموذج: نشر نموذج يجعله متاحا للاستخدام عبر واجهة برمجة تطبيقات وقت التشغيل.
التنبؤ بالأهداف والكيانات: استخدم النموذج المخصص للتنبؤ بالأهداف والكيانات من تصريحات المستخدم.
الوثائق المرجعية ونماذج التعليمات البرمجية
أثناء استخدام CLU، راجع الوثائق المرجعية والعينات التالية للغة الذكاء الاصطناعي Azure:
| خيار التطوير / اللغة | الوثائق المرجعية | العينات |
|---|---|---|
| واجهات برمجة تطبيقات REST (التأليف) | وثائق REST API | |
| واجهات برمجة تطبيقات REST (وقت التشغيل) | وثائق REST API | |
| C# (وقت التشغيل) | وثائق C# | عينات C# |
| Python (وقت التشغيل) | وثائق Python | عينات Python |
الذكاء الاصطناعي المسؤول
لا يتضمن نظام الذكاء الاصطناعي التكنولوجيا فحسب، بل يشمل أيضا الأشخاص الذين يستخدمونها، والأشخاص المتأثرين بها، والبيئة التي يتم نشرها فيها. اقرأ ملاحظة الشفافية ل CLU لمعرفة المزيد حول الاستخدام المسؤول الذكاء الاصطناعي والنشر في أنظمتك. يمكنك أيضا الاطلاع على المقالات التالية للحصول على مزيد من المعلومات:
الخطوات التالية
استخدم مقالة التشغيل السريع لبدء استخدام فهم لغة المحادثة.
أثناء استعراض دورة حياة تطوير المشروع، راجع مسرد المصطلحات لمعرفة المزيد حول المصطلحات المستخدمة في وثائق هذه الميزة.
تذكر عرض حدود الخدمة للحصول على معلومات مثل التوفر الإقليمي.