Glosario de Copilot
copilot : los copilotos son asistentes de lenguaje natural que pueden ayudar con tareas creativas, generar información, ejecutar flujos de trabajo automatizados y mucho más. Los copilotos se componen de flujos de trabajo, acciones, conocimientos y desencadenadores, con tecnología de uno o varios modelos de base y un orquestador que supervisa y sincroniza las operaciones del copiloto. Copilots puede potenciar las funcionalidades de inteligencia artificial generativa en aplicaciones, servicios web y se puede publicar como extensiones de copilot para ampliar y personalizar Microsoft Copilot.
Copilot personalizado : es una versión personalizada de Microsoft Copilot que combina instrucciones, conocimientos adicionales o personalizados y cualquier combinación de aptitudes.
Servicio OpenAI de Azure : un servicio de API que permite a un desarrollador consultar lo mejor de los LLM de OpenAI con las garantías que los usuarios finales esperan de Microsoft.
Inteligencia artificial de Azure Studio: una plataforma de desarrollo pro-código que ofrece personalización completa y control sobre modelos y aplicaciones de IA generativas con herramientas visuales y de código primero flexibles e integradas y plantillas de inicio rápido precompiladas.
Microsoft Copilot : una interfaz de inteligencia artificial accesible y coherente que proporciona a los usuarios acceso a las funcionalidades de inteligencia artificial en función de sus necesidades y preferencias, al tiempo que se integra con productos de Microsoft para maximizar el valor. Microsoft Copilot es su Complemento de IA diario.
Microsoft Copilot Studio: una herramienta de código bajo o sin código que permite a los usuarios integrar fácilmente la inteligencia artificial en cualquier producto M365 o Power Platform, ofreciendo modelos y sistemas de inteligencia artificial precompilados y personalizados para tareas como el procesamiento de formularios, la detección de objetos, la predicción y mucho más.
Extensiones de Copilot : una extensión copilot personaliza y mejora Microsoft Copilot con copilots personalizados, lo que permite nuevas acciones y conocimientos personalizados para la puesta a tierra dentro de Copilot. Con las extensiones de Copilot, los usuarios pueden obtener una experiencia de Microsoft Copilot adaptada a los datos, sistemas y flujos de trabajo que usan cada día. Complementos: un tipo de extensión copilot. Microsoft ha definido un nuevo manifiesto de complemento que desbloquea la capacidad de escribir un complemento una vez y ejecutarlo en cualquier lugar en cualquier superficie de Copilot. Los complementos deben considerarse un artefacto de extensibilidad atómica y funcional que se puede componer con cualquier otra extensión copilot.
Conectores de Microsoft Copilot: un tipo de extensión de Copilot para experiencias de código bajo y sin conexión a través de Microsoft Copilot Studio. Los conectores de Copilot agrupan funcionalidades y datos de conectores de Microsoft Graph, conectores de Power Platform y Microsoft Fabric.
Conectores de Microsoft Graph : creados a medida por desarrolladores o conectores precompilados habilitados por administradores de TI que indexa datos de servicios LoB, locales y SaaS en Microsoft Graph, donde puede mejorar y aumentar las funcionalidades de servicios inteligentes como Microsoft Copilot, Search y ContextIQ junto con datos y contenido de M365.
Conectores de Power Platform : conectores que permiten a Microsoft Power Platform interactuar con orígenes de datos y servicios externos.
Extensión de mensajes de Teams : una característica de Microsoft Teams que permite a los usuarios buscar o iniciar acciones en un servicio web o sistema externo a través de un elemento de experiencia de usuario simple denominado tarjeta adaptable. Ahora se pueden usar como complementos.
Prompt : la entrada a un modelo de inteligencia artificial generativo desde el que genera una salida (a menudo denominada "respuesta" o "finalización"). Normalmente, el texto, pero los modelos multimodal pueden usar texto, imágenes, audio o una combinación de estos como símbolo del sistema.
Inteligencia artificial responsable (RAI): es el conjunto de normas y estándares que Microsoft busca definir para ayudar a avanzar en el uso seguro y seguro de la inteligencia artificial en beneficio de la sociedad en general a través de la gobernanza, la política interna, la habilitación, la participación externa y el liderazgo de pensamiento.
Modelo de base : un modelo de inteligencia artificial que se entrena con datos amplios, de modo que se pueda aplicar en una amplia gama de casos de uso para admitir tareas como el procesamiento de lenguaje, la comprensión visual, la generación de texto, la escritura de código, etc. Consulte también: LLM, SLM.
IA generativa : una forma de inteligencia artificial caracterizada por su capacidad para crear lenguaje natural o contenido más humano sugerido por mensajes de entrada, como prosa, verso, música e imágenes. GPT: (transformador preentrenado generativo) una clase de modelos básicos creada por OpenAI y hospedada por OpenAI y Azure. Un modelo reciente de esta clase es "GPT-4 Turbo".
Puesta en tierra : es el proceso de vincular el conocimiento abstracto en los sistemas de inteligencia artificial con contenido específico del mundo real. Aumenta la precisión de la comprensión del agente de inteligencia artificial y la interacción con los datos del mundo real.
LLM (modelos de lenguaje grande): modelos de IA generativos que se entrenan en un enorme conjunto de datos para generar respuestas similares a las humanas a las consultas de lenguaje natural, normalmente a través de un bot de chat. Consulte también: Modelo de base.
LLMOps : flujo simplificado para el desarrollo integral de aplicaciones con tecnología LLM desde la ideación hasta la operacionalización.
Código bajo : normalmente implica interfaces gráficas/visuales y codificación mínima para permitir el desarrollo rápido y accesible de aplicaciones. A diferencia de las herramientas pro-código, la mayoría si no todos los conceptos y tecnologías subyacentes se abstrae de la experiencia del usuario.
MLOps : flujo simplificado para el desarrollo de un extremo a otro de una aplicación de aprendizaje automático desde la ideación hasta la operacionalización. MLOps se diferencia de LLMOps en audiencia, enfoque y específicamente en los desafíos que plantean los recursos y los requisitos de procesamiento de lenguaje natural. Pro-Code: incluye la capacidad de personalizar y controlar profundamente el rendimiento del modelo y de la aplicación. Esto podría incluir funcionalidades de administración y configuración basadas en GUI además de la interfaz de código primero, lo que requiere un nivel profundo de comprensión de los conceptos y tecnologías subyacentes. RAG : (generación aumentada por recuperación) es un proceso que permite a los modelos de inteligencia artificial recuperar información relevante de un origen de conocimiento e incorporarla en el texto generado. Se trata de un marco de inteligencia artificial para mejorar la calidad de las respuestas generadas por los modelos mediante la base del modelo en fuentes externas de conocimiento para complementar su representación interna de la información.