Descripción de las funcionalidades de inteligencia artificial para Azure SQL Database
En el panorama tecnológico en constante evolución actual, la comprensión de la inteligencia artificial es fundamental para expandir las funcionalidades de las aplicaciones y mantenerse competitivo. Azure SQL Database desempeña un papel fundamental en esta transformación al proporcionar una plataforma sólida para integrar la inteligencia artificial en las aplicaciones. Con características como Microsoft Copilot, la conversión de lenguaje natural a SQL y herramientas avanzadas de administración de datos, Azure SQL Database permite a los desarrolladores aprovechar la eficacia de la inteligencia artificial, simplificar la administración de bases de datos y mejorar el rendimiento de las aplicaciones. Con la ayuda de esas herramientas, puede crear aplicaciones inteligentes, dinámicas y eficientes que satisfagan las demandas de los usuarios modernos.
Uso de Copilot en Azure SQL Database (versión preliminar)
Microsoft Copilot en Azure se integra con Azure SQL Database, lo que mejora la administración y la solución de problemas de SQL. Aumenta la productividad en Azure Portal ofreciendo conversión de lenguaje natural a SQL y autoayuda para la administración de bases de datos.
Copilot simplifica la administración de bases de datos aprovechando el contexto de la base de datos, la documentación, las vistas de administración dinámica, el Almacén de consultas y otros orígenes de conocimiento. Por ejemplo, los administradores de bases de datos pueden administrar de forma independiente las bases de datos y resolver problemas, mientras que los desarrolladores pueden generar consultas de T-SQL mediante la formulación de preguntas en lenguaje natural.
Además, los desarrolladores pueden administrar bases de datos y resolver problemas de forma independiente, lo que reduce la necesidad de soporte técnico constante de los administradores de bases de datos.
La versión preliminar actual incluye dos experiencias:
- Microsoft Copilot en Azure - agrega aptitudes de Azure SQL Database a Microsoft Copilot en Azure, lo que permite a los usuarios asistencia autoguiada para administrar bases de datos y resolver problemas de forma independiente.
-
Lenguaje natural a SQL : convierte consultas de lenguaje natural en SQL en el editor de consultas de Azure Portal, lo que hace que las interacciones de la base de datos sean más intuitivas. Esta integración permite a Microsoft Copilot en Azure responder a preguntas como las siguientes:
- ¿Qué agentes tienen más de dos propiedades en venta?
- Dime la clasificación de cada agente por ventas de propiedades y muestra el nombre, las ventas totales y la clasificación.
- Muéstrame una tabla de resumen dinámico con el número de propiedades vendidas al año de 2020 a 2023.
Compilación de aplicaciones inteligentes con modelos de lenguaje grande (LLM)
Los grandes modelos de lenguaje (LLM) permiten a los desarrolladores crear aplicaciones con tecnología de IA con una experiencia de usuario familiar. El uso de LLM en aplicaciones aporta un mayor valor y una experiencia de usuario mejorada cuando los modelos pueden acceder a los datos adecuados, en el momento adecuado, desde la base de datos de la aplicación. Este proceso se conoce como Generación aumentada de recuperación (RAG) y Azure SQL Database tiene muchas características que admiten este nuevo patrón, lo que la convierte en una base de datos excelente para compilar aplicaciones inteligentes.
Azure SQL Database ofrece varias opciones para crear aplicaciones inteligentes, incluida la generación de inserciones para RAG con Azure OpenAI, el almacenamiento y la consulta de vectores, y el uso de Búsqueda de Azure AI para entrenar LLM con los datos. Además, las aptitudes de Copilot en Azure SQL Database simplifican el diseño, la operación, la optimización y el estado de las aplicaciones controladas por Azure SQL Database.
Entre los conceptos clave para implementar RAG con Azure SQL Database y Azure OpenAI se incluyen los siguientes:
- Generación aumentada de recuperación (RAG): mejora la capacidad de LLM para generar respuestas relevantes recuperando datos adicionales de orígenes externos.
- Indicaciones e ingeniería de indicaciones: creación de texto o información específicos que actúa como una instrucción para un LLM.
- Tokens: los tokens son fragmentos de texto más pequeños creados dividiendo el texto de entrada en partes más fáciles de administrar.
- Incrustaciones vectoriales : los vectores o las incrustaciones son representaciones matemáticas de datos en un espacio de alta dimensión, que usan los modelos de aprendizaje automático para procesar varios tipos de información, como texto, imágenes y audio.
- Búsqueda vectorial: Búsqueda de todos los vectores de un conjunto de datos que son semánticamente similares a un vector de consulta específico.
Azure SQL Database ahora admite un tipo de datos nativo vector para un almacenamiento eficaz de incrustaciones, junto con VECTOR_DISTANCE funciones y VECTOR_SEARCH que permiten la búsqueda de similitud directamente en T-SQL. Esto elimina la necesidad de administrar la sincronización de datos en un almacén de vectores independiente y acelera el tiempo de comercialización para el desarrollo de aplicaciones de IA.
Para más información sobre el uso de Azure SQL Database con Azure OpenAI, incluida la generación de imágenes, el uso de puntos de conexión REST de OpenAI y el aprovechamiento de la búsqueda de vectores, consulte Aplicaciones inteligentes con Azure SQL Database.