مشاركة عبر

نظرة عامة على ضبط Microsoft 365 Copilot (معاينة)

يسمح Microsoft 365 Copilot Tuning للمؤسسات بضبط نماذج اللغات الكبيرة (LLMs) باستخدام بيانات المستأجر الخاصة بها. تعمل هذه النماذج الدقيقة على تشغيل عوامل الطاقة التي يمكنها تنفيذ مهام خاصة بالمجال استنادا إلى المعرفة الفريدة للمؤسسة. تحدث جميع عمليات التدريب والمعالجة الذكاء الاصطناعي داخل مستأجر Microsoft 365، لذلك تظل بياناتك آمنة ومتحكمة بعناصر تحكم التوافق الحالية. والنتيجة هي مساعد الذكاء الاصطناعي يتصرف مثل أحد أعضاء فريق الخبراء، ما يوفر مساعدة مصممة خصيصا بما يتماشى مع محتوى مؤسستك وقواعدها.

توضح هذه المقالة كيف يمكن للمؤسسات استخدام ضبط Copilot لإنشاء LLMs دقيقة خاصة بالمهمة، وكيف يمكن للمستخدمين إنشاء وكلاء على هذه النماذج الدقيقة، وكيف يمكن لمسؤولي تكنولوجيا المعلومات التحكم في الميزة.

ملاحظة

يتوفر ضبط Copilot حاليا Access Preview المبكر (EAP). للحصول على تفاصيل حول المتطلبات وكيفية التسجيل، راجع دليل المسؤول.

القدرات والسيناريوهات الرئيسية

يسمح ضبط Copilot بضبط LLMs من خلال واجهة مستخدم بديهية بدون تعليمات برمجية. يمكن لمحللي الأعمال أو الخبراء المتخصصين استخدام معرفتهم بالمجال لضبط LLMs على بيانات المستأجر ذات الصلة، ما يسمح للنموذج بمعرفة صوتهم وإجراءاتهم الفريدة المخصصة للمؤسسة. على سبيل المثال، يمكن لمحلل القسم القانوني ضبط نموذج باستخدام ملخصات وقوالب الحالة السابقة للشركة لإنشاء وكيل صياغة عقد يكتب المستندات باستخدام أسلوب الشركة الفريد ومصطلحاتها.

يوفر ضبط Copilot الإمكانات والفوائد الرئيسية التالية:

  • ضبط نموذج بدون تعليمات برمجية - ضبط LLMs على البيانات الداخلية باستخدام واجهة بديهية في Microsoft Copilot Studio.

  • وكلاء خاصون بالمجال - بناء وكلاء Copilot متخصصين استنادا إلى النماذج الدقيقة المصممة خصيصا لمهام الأعمال. يمكنك إنشاء عوامل لسيناريوهات مثل الخبير Q&A أو إنشاء العرض أو تلخيص التقرير الذي يتصرف مثل خبير في هذا المجال. ينتج العامل نتائج مع النغمة والمفردات ومستوى التفاصيل المناسبة للمؤسسة.

  • رؤى وأتمتة أكثر بديهية - يتيح ترميز الدراية المهنية لمؤسستك في Copilot التحليل وإنشاء المحتوى الذي تم ضبطه لمؤسستك. يمكن للعامل تنفيذ المهام التي قد تستغرق أياما من الجهد اليدوي (البحث في المستندات وتجميع البيانات وكتابة المسودات) في دقائق. يسمح هذا للمحللين والخبراء المتخصصين بالتركيز على العمل عالي القيمة بينما يتعامل Copilot مع المهام الروتينية أو المهام الثقيلة للمعلومات.

  • التكامل مع مصادر البيانات - يمكن ل Copilot Tuning استخدام المحتوى الغني الموجود بالفعل في نظام Microsoft 365 البيئي الخاص بك. يمكنك تحديد مصادر المعرفة؛ ثم يتعلم النموذج من بيانات المستأجر هذه للتأكد من أن استجابات العامل تعتمد على معلومات المؤسسة. نظرا لأن Copilot متكامل مع Microsoft Graph، يمكن للعامل أيضا التفكير في بيانات المؤسسة المباشرة، مما يمنحك أداة قوية للاستعلام عن المعلومات المحدثة وتلخيصها من Microsoft 365.

يمكن لمؤسستك استخدام ضبط Copilot للسيناريوهات التالية:

  • س&أ - إنشاء وكلاء متخصصين في المجال يفهمون ويعقلون المحتوى الخاص بالمستأجر - مثل اللوائح أو الرموز الضريبية أو التقارير العلمية - عبر تنسيقات مثل .docx .pdf .html. يوفر وكلاء Q&A، الذين تم ضبطهم ليعكس نغمة المؤسسة ومصطلحاتها ولغة توافقها، إجابات وملخصات ومقارنات عبر المستندات على علم بالجملة (على سبيل المثال، الاختلافات التنظيمية عبر المناطق). تم تحسين هذه العوامل للمحتوى الثابت والمثقل بالنص في مهام سير العمل العميقة المستندة إلى المجال حيث تكون الدقة والسياق مهمين.

  • إنشاء المستند - تدريب النموذج على قوالب المستندات والتقارير السابقة لإنشاء المسودات الأولى للمستندات المعقدة التي قد تتطلب مطالبات ومخرجات نموذج متعددة. على سبيل المثال، يمكنك إنشاء وكيل كاتب العرض الذي يجمع مقترحات المبيعات أو يقوم بصياغة العقود القانونية بالتنسيق والنبرة المعتمدين من قبل الشركة.

  • التلخيص - إنشاء ملخصات عالية الجودة ومنظمة للمستندات المعقدة التي تعكس نغمة مؤسستك وتنسيقها وأولويات المحتوى. مثالي لحالات الاستخدام عالية الحجم أو عالية المخاطر مثل التقارير القانونية أو التنظيمية أو التنفيذية، ويضمن وكلاء التلخيص الاتساق وتقليل الجهد اليدوي والتكيف مع نمط الملخص المفضل لديك. قم بتدريب LLM الخاص بك باستخدام أزواج من الأمثلة لإنتاج ملخصات واضحة وقابلة للتنفيذ ومتوافقة مع معاييرك الداخلية.

ضبط LLM

لإنتاج عامل خاص بالمهمة بنجاح يلتقط خبرة مؤسستك، تحتاج إلى ضبط LLM.

تطبيق أفضل الممارسات التالية لضبط LLM:

  • ابدأ بأهداف واضحة - حدد مهمة عالية القيمة لضمان أن العامل يحقق نتائج ملموسة وأنك تركز وقتك وبياناتك وجهدك على العمل الذي يدفع إلى تحقيق عائد ذي مغزى. يدعم ضبط Copilot حاليا ثلاثة أنواع من المهام الأساسية: خبير Q&A وإنشاء المستندات وتلخيص المستندات.

  • تجميع بيانات التدريب عالية الجودة - اجمع المستندات الأكثر صلة وتحديثا للمهمة. تعتمد فعالية الضبط الدقيق على البيانات الجيدة. استخدم مصادر موثوقة مثل مستندات النهج والتقارير الخاصة والقوالب المعتمدة والتسليمات النهائية التي تعكس معايير مؤسستك وتنسيقها ومنطق قرارها.

    بالنسبة لمهام مثل إنشاء المستندات أو التلخيص، قم بتوفير أزواج إدخال/إخراج عالية الجودة لمساعدة النموذج على تعلم البنية والنبرة وتوقعات المحتوى.

  • تحديد إرشادات وقيود واضحة - عند تكوين النموذج في Copilot Studio، يمكنك إدخال إرشادات لنغمة العامل وسلوكه. تقديم مبادئ توجيهية واضحة؛ على سبيل المثال، "استخدم نبرة احترافية وودية" أو "استخدم المعلومات فقط من دليل سياسة 2023 الرسمي". يمكنك أيضا توفير مطالبات البداية أو أسئلة المثال لتوجيه استجابات النموذج. تساعد هذه العوامل على فهم السياق والنمط.

  • استخدام أدوات المعاينة والتقييم - يتضمن ضبط Copilot خطوات التقييم. بعد تدريب النموذج الخاص بك، اختبره باستخدام نماذج الاستعلامات أو المهام. يسمح لك Copilot Studio بمقارنة نتائج الاختبار مع إجابات الأساس. راجع المخرجات للتأكد من أنها تلبي توقعاتك للدقة والنغمة. إذا لم يكن الأمر كذلك، فقم بتحسين بيانات التدريب أو التعليمات وإعادة التدريب.

  • التكرار مع الملاحظات - تعامل مع الضبط الدقيق كعملية تكرارية. مراقبة كيفية أداء العامل قيد الاستخدام. تحديث النموذج بانتظام ببيانات أو تصحيحات جديدة للحفاظ على دقته. على سبيل المثال، إذا تغيرت النهج أو لاحظت فرصا لمزيد من التحسين، فقم بدمج هذه التحديثات وتشغيل جولة ضبط دقيقة أخرى.

  • تعرف على وقت استخدام Copilot مقابل الضبط الدقيق - إذا كان السيناريو الخاص بك واسعا أو تتغير المعلومات يوميا، فقد يكون استخدام Azure Copilot's Retrieval Augmented Generation (RAG)، الذي يبحث في المحتوى الخاص بك في وقت الاستعلام، كافيا. يعمل الضبط الدقيق بشكل أفضل للمهام المحددة جيدا والمتكررة حيث يحتاج النموذج إلى فهم عميق للمحتوى الثابت أو نمط معين. إذا كانت مهمتك تعتمد على مرجع عام أو تركيب خفيف، فابدأ ب Copilot. إذا كان الإخراج يحتاج إلى أن يعكس الصوت أو البنية أو المنطق الخاص بمؤسستك - خاصة بالنسبة للمهام القابلة للتكرار وعالية القيمة - هذه إشارة للاستثمار في الضبط الدقيق.

استخدام العوامل التي تم ضبطها على LLMs

بعد ضبط النموذج، يمكن للمستخدمين إنشاء عامل وتوزيعه استنادا إلى هذا النموذج باستخدام Copilot Studio منشئ العامل.

يتفاعل المستخدمون مع الوكلاء استنادا إلى نماذج دقيقة تماما كما يتفاعلون مع Copilot - إما عبر تطبيق Microsoft 365 Copilot أو Copilot Chat في Teams أو تطبيق آخر. يمكنهم طرح أسئلة اللغة الطبيعية، ويستجيب العامل بناء على معرفته الدقيقة.

يوفر الوكلاء المستندون إلى نماذج دقيقة المزايا التالية لمؤسستك:

  • زيادة الإنتاجية - يعمل الوكلاء كمساعدين ذكيين في العمل اليومي. يمكن للمستخدمين الحصول على إجابات فورية أو إنشاء محتوى استنادا إلى بيانات مؤسستهم. يمكن للمستخدمين أيضا إكمال المهام بشكل أسرع من خلال الاعتماد على العوامل لإنشاء ملخصات وتحليل البيانات ومراسلات المسودة والمزيد.

  • الاتساق والدقة - تتوافق استجابات العامل المستندة إلى نموذج دقيق مع البيانات التنظيمية. وهذا يقلل من خطر حدوث أخطاء بسبب المستندات القديمة أو محركات البحث الخارجية.

  • إنشاء الحلول - تعمل أداة ضبط Copilot على تمكين المستخدمين من إنشاء حلول مدعومة الذكاء الاصطناعي لحل احتياجات الإنتاجية المحددة الخاصة بهم. وهذا يعزز ثقافة الابتكار في المنظمة.

  • تحسين التعاون - يوفر الوكلاء طريقة لإتاحة الخبرة التنظيمية لجميع المستخدمين. يساعد هذا على إزالة صوامع المعرفة في المؤسسة وزيادة مشاركة المعلومات والتعاون.

تطبيق أفضل الممارسات التالية عند إنشاء عوامل استنادا إلى نماذج دقيقة:

  • فهم نطاق النموذج - ما البيانات والمهمة التي يستند إليها العامل؟ هل تم تدريبه على وثائق الموارد البشرية حتى عام 2022؟ هل هو مخصص فقط لتلخيص تقارير معينة؟ تساعدك معرفة النطاق على طرح الأسئلة الصحيحة وعدم توقعها للقيام بمهام غير مرتبطة.

  • تقديم مطالبات واضحة - عند التفاعل مع العامل، اطرح أسئلة واضحة ومحددة. على الرغم من ضبط النموذج، فإن الاستعلامات ذات العبارات الجيدة تحقق نتائج أفضل. على سبيل المثال، بدلا من السؤال "أخبرني عن المزايا"، اسأل "ما هي سياسة إجازة الأمومة للموظفين المتفرغين؟" يمكن للعوامل الدقيقة التعامل مع الاستعلامات المعقدة، ولكن الوضوح يساعد على توفير معلومات أكثر دقة.

  • تضمين مطالبات البدء - يتم عرض مطالبات البدء في واجهة مستخدم العامل ومساعدة المستخدمين على فهم قدرات العامل. قم بتخصيص مطالبات البدء الخاصة بك وفقا للسيناريوهات الرئيسية لعاملك المضبط لمساعدة المستخدمين على الاستفادة الكاملة من معرفة العامل.

  • التحسين والتكرار - يدعم الوكلاء المستندون إلى نماذج دقيقة المحادثات متعددة الأدوار. إذا لم تكن استجابة العامل هي ما تحتاج إليه بالضبط، فصقل مطالبتك أو اطرح أسئلة المتابعة. يستخدم العامل المضبط أسئلة المتابعة لضبط استجابته.

  • تطبيق أفضل ممارسات الأمان - لا تطلب من الوكلاء المضبطين تقديم معلومات يجب أن تكون سرية، ومعالجة استجابات العامل وفقا لسياسات مؤسستك.

  • تقديم ملاحظات لزيادة ضبط الوكلاء - استخدم آلية الملاحظات لتدريب العامل المضبط أو تعديله لتحسين أدائه. يساعد تقديم الملاحظات المنتظمة العامل على التحسين المستمر. في Copilot، يمكن للمستخدمين اختيار أيقونات الإبهام لأعلى والإبهام لأسفل لإرسال ملاحظات حول استجابات العامل. يتم إرسال هذه الملاحظات إلى Microsoft وتساعد فريق المنتج على تحديد المشكلات الشائعة وتحسين أداء النموذج بمرور الوقت.

إعدادات مسؤول والحوكمة

يوفر Copilot Tuning الإعدادات والأمان وميزات الحوكمة على مستوى المستأجر لتمكين المسؤولين من إعداد البيئة باستخدام حواجز الحماية المناسبة في مكانها.

تتوفر ميزات المسؤول الرئيسية التالية لضبط Copilot:

  • التحكم في الوصول - يمكن للمسؤولين الذكاء الاصطناعي تمكين ضبط Copilot لمؤسستهم أو لمجموعة فرعية معينة من المستخدمين. على سبيل المثال، قد يقوم المسؤول بتمكين ضبط Copilot فقط لأقسام R&D والشؤون القانونية، وتعيين مستخدمين معينين في تلك الفرق لإنشاء نماذج دقيقة ووكلاء متخصصين. بعد تدريب النموذج ونشره، يتحكم المسؤول الذكاء الاصطناعي في من لديه حق الوصول إلى النموذج المدرب.

  • مركز مسؤولي Microsoft 365 الحوكمة - يمكن للمسؤولين مراقبة مشاريع الضبط الدقيق والوكلاء عبر قسم إدارة Copilot في مركز مسؤولي Microsoft 365. يمكنهم عرض النماذج المخصصة التي يتم توزيعها وحذف نموذج إذا أصبح قديما.

  • الأمان والتوافق - تم إنشاء ضبط Copilot مع الأمان على مستوى المؤسسة. يحدث تدريب النموذج في بيئة معزولة عن المستأجر، ويرث النموذج الناتج أذونات الوصول للبيانات الأساسية. لا يتم إرسال بيانات العملاء إلى الخدمات الخارجية أثناء التدريب؛ يحدث الضبط الدقيق داخل السحابة الآمنة المرتبطة بالمستأجر الخاص بك.

    يستبعد Copilot Tuning أي ملفات لا تملك مجموعة الأمان أو المجموعات المطبقة على النموذج أذونات للوصول إليها. كما تقترح مجموعات أمان لإضافتها إلى بيانات التدريب الخاصة بها لزيادة معرفتها إلى أقصى حد. يوفر هذا طبقة إضافية من الأمان للنموذج.

    ملاحظة

    عند ضبط نموذج، يتم تعديل أوزان النموذج استنادا إلى بيانات التدريب. لا يتم تطبيق التغييرات على أذونات الوصول على بيانات التدريب تلقائيا على النموذج؛ يحتاج المسؤولون الذكاء الاصطناعي إلى تحديث الأذونات على النموذج في مركز مسؤولي Microsoft 365.

    أي بيانات Microsoft Graph يتم إرجاعها في استجابات Copilot تحترم أيضا أذونات المستند؛ لن تتضمن الاستجابات معلومات لا يمكن للمستخدم الوصول إليها.

  • التوزيع والمراقبة - عندما يتم ضبط النموذج ونشره، يمكن للمنشئين استخدامه في عامل ومشاركة العامل مع المستخدمين في المؤسسة الذين لديهم حق الوصول إلى النموذج. يمكن للمسؤولين التحكم في من لديه حق الوصول إلى العامل عبر مجموعات الأمان، ويمكنهم مراقبة استخدام العامل عبر لوحات معلومات تحليلات استخدام Copilot.

اخلاء المسؤوليه

مسؤول الذكاء الاصطناعي مسؤول عن ضمان توافق استخدامك لهذا المنتج مع جميع قوانين حماية البيانات والخصوصية والملكية الفكرية المعمول بها. يتضمن ذلك الوفاء بالتزاماتك كوحدة تحكم في البيانات بموجب لوائح مثل القانون العام لحماية البيانات (GDPR) أو CCPA.

التزامات وحدة تحكم البيانات

  • أنت مسؤول عن كيفية جمع البيانات وتخزينها واستخدامها داخل بيئة المستأجر.
  • يجب التأكد من أن ممارسات البيانات الخاصة بك تفي بالمتطلبات القانونية للشفافية والموافقة والوصول والحذف.
  • أنت مسؤول عن التحقق من دقة أي مخرجات تم إنشاؤها من هذا النظام وملاءمتها وتوافقها قبل استخدامها. قد تتطلب مراجعة مع خبراء الموضوع.
  • إذا اخترت تدريب نموذج مخصص باستخدام بياناتك الخاصة، فيجب عليك التأكد من أن لديك الحقوق أو التراخيص المناسبة لأي مواد محمية بحقوق النشر مضمنة في مجموعة التدريب.
  • لن تنطبق حماية حقوق النشر على النماذج المدربة باستخدام محتوى محمي بحقوق الطبع والنشر غير المصرح به. تتحمل المسؤولية الكاملة عن أي استخدام من هذا القبيل.

حذف البيانات

  • إذا أرسل مستخدم تم استخدام بياناته في تدريب نموذج طلب حذف صالح بموجب القانون العام لحماية البيانات (أو لوائح مشابهة)، فستتم مطالبتك بإعادة تدريب النموذج.
  • عند ضبط نموذج، يتم تعديل أوزان النموذج استنادا إلى بيانات التدريب. لديك خيار حذف النموذج الدقيق في أي وقت.

المحتويات ذات الصلة