استكشاف الأدوات والأطر المتاحة لتنفيذ GenAIOps

مكتمل

لتنفيذ عمليات الذكاء الاصطناعي التوليدية (GenAIOps) باستخدام Azure، تحتاج إلى مجموعة من الأدوات في كل مرحلة. من البدء، إلى تخصيص تطبيقاتك الذكاء الاصطناعي، تجربة وتقييمها، حتى تصبح جاهزا لتقديم تطبيقك الإنتاج . دعونا نستكشف الأدوات والأطر الأساسية التي يمكن أن تبسط سير عمل GenAIOps.

البدء في إعداد البيئة

قبل أن تتمكن من إنشاء أي تطبيق الذكاء الاصطناعي، تحتاج إلى البيئة المناسبة. يوفر Azure أدوات لمساعدتك على إعداد نماذج الذكاء الاصطناعي وتجربتها بسرعة، مما يسهل البدء.

إحدى الأدوات الرئيسية التي يمكن أن تساعد في تبسيط هذه العملية هي AZD أو Azure Developer CLI. يمكن أن يكون إعداد البيئة لتطوير الذكاء الاصطناعي معقدا، ويشمل خدمات وتكوينات متعددة تتطلب وقتا وخبرة. يعالج AZD هذه التحديات من خلال تبسيط عملية إعداد بيئة التطوير ونشر التطبيقات على Azure.

بمجرد إعداد بيئتك باستخدام AZD، فإن الخطوة التالية في تطوير تطبيقات الذكاء الاصطناعي هي الاستكشاف. يتيح لك Microsoft Foundry استكشاف نماذج الذكاء الاصطناعي المختلفة، مما يتيح لك تتبع أدائها، واختبار تكوينات مختلفة، وتحسينها لتحقيق نتائج أفضل. داخل بوابة مايكروسوفت فاوندري، يمكنك استخدام ساحة الدردشة لتجربة تفاعلية مع التعليمات المختلفة والحصول على ملاحظات فورية.

أداة	استخدام
قالب AZD الذكاء الاصطناعي	مجموعة من قوالب البنية الأساسية التي تم إنشاؤها مسبقا والتي تسمح لك بنشر تطبيقات الذكاء الاصطناعي بسرعة في Azure دون تكوين كل مكون يدويا. فهو يبسط عملية إعداد الموارد.
ملعب الدردشة	بيئة تفاعلية داخل بوابة مايكروسوفت فاوندري لاختبار وتحسين الاستجابات التي يولدها الذكاء الاصطناعي. يمكنك من تجربة نماذج الذكاء الاصطناعي التوليدية قبل نشرها في الإنتاج.

الآن بعد أن أصبحت لديك الموارد اللازمة واستكشفت نماذج اللغة المتوفرة، يمكنك تخصيص نموذج لاحتياجاتك المحددة.

تخصيص النموذج وتحسين أداء النموذج

بمجرد إعداد البيئة، فإن الخطوة التالية هي تخصيص نموذج الذكاء الاصطناعي التوليدي وفقا لمتطلبات حالة الاستخدام الخاصة بك. يمكن أن يتضمن التخصيص استخدام تقنيات مثل استرداد الجيل المعزز (RAG)، أو ضبط، أو وكلاء الذكاء الاصطناعي ، لتحسين الدقة. تعزز كلتا الطريقتين قدرة نموذج اللغة على إنشاء استجابات دقيقة ذات صلة، ولكنها تفعل ذلك بطرق مختلفة ومناسبة لسيناريوهات مختلفة.

يجمع RAG بين قوة النماذج التوليدية واسترجاع المعلومات الخارجية. بدلا من الاعتماد فقط على معرفة النموذج الموجودة مسبقا، تمكن RAG النموذج من البحث في قواعد البيانات الخارجية أو الموارد لاسترداد المعلومات ذات الصلة في الوقت الفعلي. هذا النهج مفيد بشكل خاص للمهام التي يحتاج فيها النموذج إلى توفير معلومات up-to-date غير المضمنة في بيانات التدريب.

على سبيل المثال، إذا كنت تقوم ببناء مساعد مالي، يمكن أن تسمح RAG للنموذج بسحب أحدث أسعار الأسهم أو الأخبار المالية من مصادر خارجية، ما يضمن استجابات أكثر دقة و صلة.

أداة	استخدام
Azure الذكاء الاصطناعي Search	يسترد محرك البحث هذا المعلومات الأكثر صلة بالموضوع up-to-date من قاعدة بيانات محددة، ما يعزز جودة الاستجابات، خاصة عندما تكون المعرفة في الوقت الحقيقي مهمة.
مايكروسوفت فابريك	منصة تحليلات متكاملة. بالنسبة إلى RAG، استخدم Fabric Eventhouse لتخزين التضمينات والبحث فيها للبحث عن التشابه في الوقت الحقيقي.

الضبط الدقيق ينطوي على ضبط أوزان النموذج لجعله أفضل في التعامل مع مهام معينة أو فهم أنواع معينة من البيانات. يتم استخدام هذه العملية عادة عندما يكون لديك مجموعة بيانات محددة جيدا من نماذج المطالبات والأجوبة، وتريد أن يتعلم النموذج منها لتحسين دقته لمجال أو تطبيق معين.

على سبيل المثال، إذا كنت تقوم بإنشاء تطبيق دردشة لدعم العملاء، فإن الضبط الدقيق يساعد النموذج على التعلم من التفاعلات السابقة للحفاظ على نغمة متسقة.

نهج آخر هو بناء وكلاء الذكاء الاصطناعي. عند إنشاء عامل الذكاء الاصطناعي، لا تغير النموذج الأساسي ولكن تعزز فائدته لمهام معينة من خلال البرمجة والتحكم الخارجيين. الغرض من عامل الذكاء الاصطناعي هو تخصيص كيفية تصرف نموذج واحد أو أكثر أو تفاعله ضمن سياق معين، وغالبا عن طريق ضبط عمليات صنع القرار أو مهام سير العمل أو مراوغات الاستجابة.

العامل هو ممثل يستخدم نموذجا واحدا أو أكثر، ويسمح لك بالقيام بمهام معقدة طويلة الأمد، ويمكنه اتخاذ إجراء نيابة عنك

أداة	استخدام
ضبط بدون خادم	ميزة داخل Microsoft Foundry تتيح لك ضبط النماذج بدقة دون الحاجة لإدارة البنية التحتية الأساسية.
عوامل الذكاء الاصطناعي Azure	تتيح لك هذه الخدمة داخل Microsoft Foundry دمج نماذج اللغة مع الأدوات لبناء وكيل متخصص في مهمة معينة.

مهما كانت الطريقة التي تختارها لتخصيص نموذج، فأنت تريد التأكد من أن نماذجك الذكاء الاصطناعي تولد استجابات عالية الجودة. تساعدك مرحلة التجريب على إدارة أداء النماذج الذكاء الاصطناعي وتصحيحها واختبارها، وتحسينها للحصول على إخراج أفضل.

تجربة المطالبات وتقييم المخرجات

يبدأ تحسين أداء النموذج الذكاء الاصطناعي بالهندسة الفورية، حيث يتم توفير إرشادات أو استعلامات معدة بعناية للنموذج. توجه المطالبات النموذج، مما يؤثر على كيفية تفسير الاستعلامات والاستجابة لها.

من خلال تجربة تباينات المطالبة المختلفة، يمكنك فهم كيفية تفاعل النموذج بشكل أفضل مع عبارات أو بنيات أو سياقات معينة. تساعد هذه العملية التكرارية على تحسين فهم النموذج، مما يجعله أكثر فعالية في توليد استجابات عالية الجودة وذات صلة بالسياق ودقيقة.

عندما ترغب في استكشاف المحفزات بسرعة، يمكنك استخدام ساحة الدردشة في بوابة Microsoft Foundry. إذا كنت تريد نهجا أكثر اعتمادا على الكود، يمكنك استخدام Microsoft Foundry SDK، الذي يتضمن قوالب الطلبات. إذا كنت تريد نهجا غير محدد الأدوات لمطالبة التجريب، يمكنك استخدام Prompty. Prompty هي أداة يمكنك تشغيلها في أي بيئة تطوير من اختيارك، وتوفر فئة الأصول وتنسيقا لإنشاء مطالبات غنية.

أداة	استخدام
قوالب موجه Microsoft Foundry	قالب يسمح لك بإنشاء مطالبات ديناميكيا باستخدام المدخلات المتوفرة في وقت التشغيل، وهو جزء من Azure الذكاء الاصطناعي Inference SDK.
المطالبة	أداة لإدارة المطالبات، وهي الإرشادات أو الاستعلامات المقدمة إلى نموذج الذكاء الاصطناعي. يساعدك Prompty على تعقب أداء المطالبات المختلفة وتحسينها للحصول على استجابات أفضل.

عند تجربة المطالبات، تريد تقييم كيفية أداء النموذج الخاص بك. المقيمون إما مضمنين أو رؤى مخصصة لأداء النموذج الخاص بك. في حين أن المقيمين يستندون إلى كيفية معالجة مجموعة بيانات معينة، يمكنك أيضا تضمين تتبع للحصول على مزيد من الرؤى حول كيفية تنفيذ التطبيق الخاص بك.

إذا كان نموذج الذكاء الاصطناعي الخاص بك يقدم أحيانا ردودا متحيزة أو غير مناسبة، فإن Microsoft Foundry Content Safety يساعدك في تحديد هذه المشكلات ومعالجتها قبل أن تصل إلى المستخدمين النهائيين.

أداة	استخدام
المقيمون	أدوات مصممة لتقييم جودة وأمان مخرجات الذكاء الاصطناعي، مما يساعدك على تحسين سلوك النموذج ومخرجاته.
تتبع	تساعد هذه الأداة على تصحيح أخطاء النماذج الذكاء الاصطناعي عن طريق تتبع إجراءاتها، ما يسمح لك بفهم سبب إنشاء استجابات معينة.
سلامة محتوى مايكروسوفت فاوندري	فهو يضمن أن النماذج الذكاء الاصطناعي تولد استجابات أخلاقية وغير متحيزة وآمنة. يكتشف المخرجات الضارة ويساعد على التخفيف من المخاطر المرتبطة الذكاء الاصطناعي.

نشر تطبيق الذكاء الاصطناعي التوليدي للإنتاج

بمجرد تحسين النموذج وتحسينه، فإن الخطوة التالية هي النشر. يجب توزيع النماذج الذكاء الاصطناعي في بيئة إنتاج، وأتمتتها للتحديثات المستمرة، ومراقبتها للأداء. اختيار إطار العمل الصحيح هو المفتاح لدمج النموذج الخاص بك في تطبيق الذكاء الاصطناعي يعمل بشكل موثوق في سيناريوهات العالم الحقيقي.

اندمجت Microsoft Foundry مع عدة أدوات للمساعدة في هذه العملية، بما في ذلك تدفق الأوامروLangChainوSemantic Kernel. يساعد كل من أطر عمل التنسيق هذه في هيكلة وإدارة كيفية تفاعل النماذج الذكاء الاصطناعي مع البيانات والأدوات والتطبيقات الأخرى. وهي تشترك في هدف مشترك يتمثل في تمكين النماذج الذكاء الاصطناعي من العمل بفعالية داخل الأنظمة الأكبر ولكنها تختلف في مجالات تركيزها المحددة.

أداة	استخدام
تدفق المطالبة	إنشاء مهام سير عمل الذكاء الاصطناعي واختبارها وأتمتتها. يساعد في الهندسة السريعة والتقييم والمراقبة الذكاء الاصطناعي التفاعلات بطريقة منظمة.
لانغتشين	مصمم لتوصيل نماذج الذكاء الاصطناعي بمصادر البيانات الخارجية وواجهات برمجة التطبيقات والذاكرة. فهو يمكن الذكاء الاصطناعي من المنطق واسترداد المعلومات ذات الصلة والتفاعل ديناميكيا مع الأنظمة المختلفة.
Kernel الدلالي	يركز على دمج نماذج الذكاء الاصطناعي مع منطق الأعمال والتطبيقات لبناء وكلاء الذكاء الاصطناعي. يسمح للوكلاء بتشغيل الوظائف وتذكر السياق وأتمتة المهام داخل أنظمة المؤسسة.

وأخيرا، عند نشر تطبيق الذكاء الاصطناعي إنشاءي، فأنت تريد أتمتة التحديثات ومراقبة الأداء والحصول على رؤى حول استخدامه للحفاظ على التطبيق بشكل صحيح. يمكنك استخدام أدوات مثل GitHub Actions للأتمتة، Azure Monitor مع Application Insights للمراقبة. تضمن هذه الأدوات أن تظل النماذج موثوقة وفعالة ومحسنة باستمرار استنادا إلى بيانات العالم الحقيقي.

أداة	استخدام
إجراءات GitHub	أتمتة النشر، وضمان تحديث النماذج الجديدة دون بذل جهد يدوي.
Azure Monitor	يتعقب أداء الذكاء الاصطناعي في الوقت الحقيقي، واكتشاف حالات الفشل والتدهور.
Application Insights	يوفر تحليلات حول الاستخدام والأخطاء وتفاعلات المستخدم.