Entwerfen von PaaS AI-Workloads
Konzentrieren Sie sich beim Entwerfen von KI-Workloads auf Azure PaaS auf drei Dinge: Wählen Sie die richtige Berechnung für generative KI aus, verwenden Sie die richtigen Dienste für herkömmliche (nichtgenerative) KI und sichere Netzwerke, um Ihre Daten zu schützen und den Zugriff zu verwalten. Zusammen tragen diese Überlegungen dazu bei, sicherzustellen, dass Ihre KI-Lösungen skalierbar, sicher und an Ihre Workloadanforderungen angepasst sind.
Auswählen von Ressourcen für generative KI
Generative KI bezieht sich auf künstliche Intelligenz, die originale Inhalte wie Text, Bilder, Audio, Video oder Code erzeugt, indem Muster angewendet werden, die in umfangreichen Datasets identifiziert wurden. Generative KI verwendet mehrere Ressourcen, um Eingabedaten zu verarbeiten und aussagekräftige Ausgaben zu erzeugen.
In diesem Beispiel koordiniert Microsoft Foundry die Antwort auf die Suchabfrage eines Benutzers. KI-Suche verwendet Basisdaten, um eine Antwort bereitzustellen.
Um effektive Anwendungen zu erstellen, wählen Sie Ressourcen aus, die KI-Modelle unterstützen und genaue Ergebnisse liefern. Stellen Sie sicher, dass Sie die richtigen Tools mit dem Typ der KI übereinstimmen, die Sie erstellen. Für generative KI nehmen Sie im Grunde eine Benutzerfrage, finden die richtigen Daten, um die Antwort zu finden und alles durch ein Modell zu übergeben. Dies bedeutet, dass Sie eine generative KI-Plattform (Foundry oder Azure OpenAI) auswählen, einen Orchestrator zum Verarbeiten des Workflows, etwa Azure AI Search zum Abrufen relevanter Daten und den Ort, an dem sich Ihre Daten befinden, z. B. Blob Storage.
Hinweis
Weitere Informationen finden Sie im Schulungsmodul "Einführung in generative KI und Agents ". Diese Ressource deckt die Grundlagen der generativen KI wie große Sprachmodelle (LLMs), das Erstellen von Eingabeaufforderungen und das Arbeiten mit KI-Agents ab.
Auswählen von Ressourcen für nichtgenerative KI
Nichtgenerative KI umfasst Systeme, die vorhandene Daten analysieren, klassifizieren, vorhersagen oder optimieren, ohne neue Inhalte zu generieren. Nichtgenerative KI-Workloads verwenden Plattformen, Computeressourcen, Datenquellen und Datenverarbeitungstools, um maschinelle Lernaufgaben zu unterstützen.
In diesem Beispiel verwendet eine KI-App Azure AI Services und Azure Machine Learning, um eine Antwort bereitzustellen.
Wählen Sie Ressourcen aus, mit denen Sie KI-Workloads mit vordefinierten oder benutzerdefinierten Lösungen erstellen können. Sie senden Daten in ein Modell und erhalten Ergebnisse – kein Erdungsschritt erforderlich. Sie können vorgefertigte KI-Dienste verwenden, wenn Sie etwas Einfaches ohne zusätzliche Berechnung oder Azure Machine Learning benötigen, wenn Sie ein Modell trainieren oder anpassen müssen. Auf beide Weise wählen Sie die benötigte Berechnung, Ihre Datenquelle und alle optionalen Verarbeitungstools aus.
Auswählen von Netzwerkressourcen
Halten Sie Ihre KI-Workloads in einem sicheren virtuellen Netzwerk , und vermeiden Sie, etwas für das öffentliche Internet verfügbar zu machen. Verwenden Sie private Endpunkte, sodass Dienste wie Foundry, Azure AI Services, Storage, Key Vault und ContainerRegistrierung alle privat über das Azure-Backbone kommunizieren.
Kontrollieren Sie den Netzwerkverkehr strikt. Verwenden Sie Bastion für den Administratorzugriff, beschränken Sie den Zugriff mit privaten Links, verlassen Sie sich auf ein solides DNS und verwenden Sie NSGs, um den Zugriff auf die geringsten Rechte zwischen Ressourcen zu erzwingen.
Überwachen Sie schließlich Ihre Umgebung. Azure Firewall schützt und prüft ausgehenden Datenverkehr, und die Azure-Webanwendungsfirewall schirmt alle öffentlich zugänglichen KI-Apps vor häufigen Angriffen ab und hilft Ihnen dabei, KI-Workloads sicher und sicher auszuführen.