Événements
14 nov., 23 h - 9 févr., 23 h
L’appel à propositions est ouvert jusqu’au 9 février pour cet événement de développeur gratuit et virtuel.
DémarrageCe navigateur n’est plus pris en charge.
Effectuez une mise à niveau vers Microsoft Edge pour tirer parti des dernières fonctionnalités, des mises à jour de sécurité et du support technique.
S’APPLIQUE À : Azure Database pour PostgreSQL - Serveur flexible
L’IA générative (GenAI) fait référence à une classe d’algorithmes d’intelligence artificielle qui peuvent apprendre à partir d’un contenu multimédia existant et produire un nouveau contenu. Le contenu produit peut être personnalisé à l’aide de techniques telles que les invites et le réglage précis. Les algorithmes GenAI appliquent des modèles Machine Learning spécifiques :
GenAI est utilisé dans la synthèse d’image et de musique, les soins de santé, les tâches courantes telles que l’autocomplétion de texte, le résumé de texte et la traduction. Les techniques GenAI permettent des fonctionnalités sur les données telles que le clustering et la segmentation, la recherche sémantique et les recommandations, la modélisation des rubriques, la réponse aux questions et la détection d’anomalie.
OpenAI est une organisation de recherche et une société technologique de l’intelligence artificielle connue pour son travail pionnier dans le domaine de l’intelligence artificielle et du Machine Learning. Sa mission est de s’assurer que l’intelligence générale artificielle (AGI), qui fait référence à des systèmes d’IA hautement autonomes qui peuvent surpasser les humains dans le travail le plus utile sur le plan économique, profite à toute l’humanité. OpenAI a mis sur le marché des modèles génératifs de pointe tels que GPT-3, GPT-3.5 et GPT-4 (Generative Pretrained Transformer, ou transformateur préformé génératif).
Azure OpenAI est l’offre de service LLM d’Azure pour aider à créer des applications GenAI à l’aide d’Azure. Azure OpenAI Service offre aux clients une IA de langage avancée avec les modèles OpenAI GPT-4, GPT-3, Codex, DALL-E et Whisper avec la promesse de sécurité et d’entreprise d’Azure. Azure OpenAI co-développe les API avec OpenAI, garantissant la compatibilité et une transition en douceur de l’une à l’autre.
Avec Azure OpenAI, les clients bénéficient des fonctionnalités de sécurité de Microsoft Azure tout en exécutant les mêmes modèles qu’OpenAI. Azure OpenAI offre une mise en réseau privé, une disponibilité régionale et un filtrage de contenu d’IA responsable.
En savoir plus sur Azure OpenAI.
Un grand modèle de langage (LLM) est un type de modèle IA formé sur de grandes quantités de données texte pour comprendre et générer un langage de type humain. Les LLM sont généralement basés sur des architectures Deep Learning, telles que transformateurs, et ils sont connus pour leur capacité à réaliser un large éventail de tâches de génération et de compréhension du langage naturel. Le GPT d’OpenAI, qui alimente ChatGPT, est un LLM.
Les principales caractéristiques et fonctionnalités des grands modèles de langage sont les suivantes :
GPT (Generative Pretrained Transformer) est un transformateur préformé génératif, qui fait référence à une série de grands modèles de langage développés par OpenAI. Les modèles GPT sont des réseaux neuronaux préentraînés sur de vastes quantités de données provenant d’Internet, les rendant capables de comprendre et de générer un texte de type humain.
Voici une vue d’ensemble des principaux modèles GPT et de leurs principales caractéristiques :
GPT-3 : Publié en juin 2020, c’est un modèle bien connu de la série GPT. Il a 175 milliards de paramètres, ce qui en fait l’un des modèles de langage les plus importants et les plus puissants en existence. GPT-3 a obtenu des performances remarquables sur un large éventail de tâches de compréhension et de génération du langage naturel. Il peut effectuer des tâches telles que la saisie semi-automatique de texte, la traduction, la réponse aux questions, et bien plus encore avec une fluidité au niveau humain. GPT-3 est divisé en différentes tailles de modèle, allant du plus petit (125 millions de paramètres) au plus grand (175 milliards de paramètres).
GPT-4 : Dernier modèle GPT d’OpenAI, il a 1.76 milliards de paramètres.
Un vecteur est un concept mathématique utilisé dans l’algèbre linéaire et la géométrie pour représenter des quantités qui ont à la fois une ampleur et une direction. Dans le contexte du Machine Learning, les vecteurs sont souvent utilisés pour représenter des points de données ou des fonctionnalités.
Voici certains attributs de vecteurs et opérations clés :
Une base de données vectorielle, également appelée système de gestion de base de données (SGBD) vectorielle, est un type de système de base de données conçu pour stocker, gérer et interroger efficacement les données vectorielles. Les bases de données relationnelles traditionnelles gèrent principalement les données structurées dans les tables, tandis que les bases de données vectorielles sont optimisées pour le stockage et la récupération de points de données multidimensionnels représentés sous forme de vecteurs. Ces bases de données sont utiles pour les applications où des opérations telles que des recherches de similarité, des données géospatiales, des systèmes de recommandation et un clustering sont impliquées.
Voici certaines caractéristiques clés des bases de données vectorielles :
PostgreSQL peut bénéficier des fonctionnalités d’une base de données vectorielle à l’aide de l’extension pgvector
.
Les incorporations sont un concept d’apprentissage automatique et de traitement du langage naturel (NLP) qui implique la représentation d’objets, tels que des mots, des documents ou des entités, en tant que vecteurs dans un espace multidimensionnel. Ces vecteurs sont souvent denses, ce qui signifie qu’ils ont un grand nombre de dimensions et qu’ils sont formés à travers différentes techniques, y compris les réseaux neuronaux. Les incorporations visent à capturer des relations sémantiques et des similitudes entre les objets dans un espace vectoriel continu.
Les types courants d’incorporations sont les suivants :
Word2Vec
et GloVe
sont des techniques d’incorporation de mots populaires.Doc2Vec
est couramment utilisé pour créer des incorporations de documents.Les incorporations sont essentielles à la représentation de données complexes et à haute dimension dans une forme facilement traitable par les modèles Machine Learning. Ils peuvent être formés sur des jeux de données volumineux, puis utilisés comme fonctionnalités pour différentes tâches, et sont utilisés par les LLM.
PostgreSQL peut bénéficier des fonctionnalités de génération d’incorporations de vecteurs avec l’intégration OpenAI de l’extension Azure AI.
L’IA générative a un large éventail d’applications dans différents domaines et secteurs, notamment la technologie, la santé, le divertissement, la finance, la fabrication et bien plus encore. Voici quelques tâches courantes qui peuvent être effectuées avec l’IA générative :
Événements
14 nov., 23 h - 9 févr., 23 h
L’appel à propositions est ouvert jusqu’au 9 février pour cet événement de développeur gratuit et virtuel.
DémarrageEntrainement
Module
Prise en main de l’IA générative dans Azure Database pour PostgreSQL - Training
Utilisez l’IA générative dans Azure Database pour PostgreSQL.
Certification
Microsoft Certified : Azure AI Engineer Associate - Certifications
Concevez et mettez en œuvre une solution Azure AI à l’aide d’Azure AI Services, de Recherche Azure AI et d’Azure Open AI.