Comprendre les capacités d’IA pour Azure SQL Database

Effectué

Dans le paysage technologique actuel, qui est en constante évolution, il est essentiel de comprendre l'IA pour développer les capacités des applications et rester compétitif. Azure SQL Database joue un rôle central dans cette transformation en fournissant une plateforme robuste pour intégrer l'IA dans vos applications. Avec des fonctionnalités telles que Microsoft Copilot, la conversion du langage naturel en langage SQL et des outils de gestion de données avancés, Azure SQL Database permet aux développeurs d'exploiter la puissance de l'IA, de rationaliser la gestion des bases de données et d'améliorer les performances des applications. Ces outils vous permettent de créer des applications intelligentes, réactives et efficaces qui répondent aux exigences des utilisateurs modernes.

Utiliser Copilot dans Azure SQL Database (préversion)

Microsoft Copilot dans Azure est intégré à Azure SQL Database, ce qui améliore la gestion et la résolution des problèmes liés à SQL. Il permet de stimuler la productivité dans le Portail Azure en offrant une conversion du langage naturel en langage SQL et une assistance autonome pour l'administration de la base de données.

Copilot simplifie la gestion des bases de données en exploitant le contexte de la base de données, la documentation, les vues de gestion dynamiques, le Magasin des requêtes et d'autres sources de connaissances. Par exemple, les administrateurs de bases de données peuvent gérer indépendamment les bases de données et résoudre les problèmes, tandis que les développeurs peuvent générer des requêtes T-SQL en posant des questions en langage naturel.

Les développeurs peuvent également gérer les bases de données et résoudre les problèmes de manière autonome, ce qui réduit la nécessité d'une assistance constante de la part des administrateurs de bases de données.

La préversion actuelle comprend deux expériences :

• Microsoft Copilot dans Azure – Ajoute des compétences sur Azure SQL Database à Microsoft Copilot dans Azure afin de permettre aux utilisateurs de gérer les bases de données et de résoudre les problèmes de manière autonome.
• Langage naturel vers SQL – Traduit les requêtes en langage naturel en langage SQL dans l'éditeur de requêtes du Portail Azure afin de rendre les interactions avec les bases de données plus intuitives. Cette intégration permet à Microsoft Copilot dans Azure de répondre à des questions telles que :
  • Quels agents ont mis en vente plus de deux propriétés ?
  • Fais un classement des agents selon leur chiffre d'affaires et indique leur nom, leur chiffre d'affaires total et leur classement.
  • Présente-moi un tableau croisé dynamique qui affiche le nombre de biens immobiliers vendus chaque année entre 2020 et 2023.

Créer des applications intelligentes avec les grands modèles de langage (LLM)

Les modèles de langage volumineux (LLMs) permettent aux développeurs de créer des applications basées sur l’IA avec une expérience utilisateur familière. L’utilisation de LLMs dans les applications apporte une plus grande valeur et une expérience utilisateur améliorée lorsque les modèles peuvent accéder aux données appropriées, au bon moment, à partir de la base de données de votre application. Ce processus est appelé Génération Augmentée de Récupération (RAG), et Azure SQL Database possède de nombreuses fonctionnalités qui prennent en charge ce nouveau modèle, ce qui en fait une base de données idéale pour créer des applications intelligentes.

Azure SQL Database propose plusieurs options pour créer des applications intelligentes, notamment la génération d'incorporations pour RAG avec Azure OpenAI, le stockage et l'interrogation de vecteurs, et l'utilisation de la Recherche Azure AI pour entraîner des LLM sur vos données. Les compétences Copilot dans Azure SQL Database permettent également de simplifier la conception, l'exploitation, l'optimisation et l'intégrité des applications basées sur Azure SQL Database.

Les concepts clés pour l'implémentation de RAG avec Azure SQL Database et Azure OpenAI sont les suivants :

• Génération Augmentée de Récupération (RAG) – Améliore la capacité du LLM à produire des réponses pertinentes en récupérant des données supplémentaires à partir de sources externes.
• Invites et ingénierie des invites – Création d'un texte ou d'une information spécifique servant d'instruction à un LLM.
• Jetons – Les jetons sont de petits blocs de texte créés en fractionnant le texte d'entrée en parties plus faciles à gérer.
• Incorporations de vecteurs – Les vecteurs, ou incorporations, sont des représentations mathématiques de données dans un espace à haute dimension, utilisées par les modèles d'apprentissage automatique pour traiter divers types d'informations comme le texte, les images et l'audio.
• Recherche vectorielle : Recherche de tous les vecteurs d'un ensemble de données qui sont sémantiquement similaires à un vecteur de requête spécifique.

Azure SQL Database prend en charge les index columnstore et l'exécution en mode batch, ce qui permet de stocker et d'interroger efficacement les incorporations de vecteurs. Cette intégration permet de minimiser la nécessité de gérer la synchronisation des données et d'accélérer la mise sur le marché du développement d'applications IA.

Pour plus d'informations sur l'utilisation d'Azure SQL Database avec Azure OpenAI, notamment la génération d'images, l'utilisation des points de terminaison REST d'OpenAI et l'exploitation de la recherche vectorielle, consultez Applications intelligentes avec Azure SQL Database.