Memahami kemampuan AI untuk Azure SQL Database

  • 8 menit

Dalam lanskap teknologi yang berkembang pesat saat ini, memahami AI sangat penting untuk memperluas kemampuan aplikasi dan tetap kompetitif. Azure SQL Database memainkan peran penting dalam transformasi ini dengan menyediakan platform yang kuat untuk mengintegrasikan AI ke dalam aplikasi Anda. Dengan fitur seperti Microsoft Copilot, bahasa alami ke konversi SQL, dan alat manajemen data tingkat lanjut, Azure SQL Database memberdayakan pengembang untuk memanfaatkan kekuatan AI, menyederhanakan manajemen database, dan meningkatkan performa aplikasi. Dengan bantuan alat-alat tersebut, Anda dapat membuat aplikasi cerdas, responsif, dan efisien yang memenuhi tuntutan pengguna modern.

Menggunakan Copilot di Azure SQL Database (pratinjau)

Microsoft Copilot di Azure terintegrasi dengan Azure SQL Database, meningkatkan manajemen dan pemecahan masalah SQL. Ini meningkatkan produktivitas dalam portal Azure dengan menawarkan bahasa alami untuk konversi SQL dan bantuan mandiri untuk administrasi database.

Copilot menyederhanakan manajemen database dengan memanfaatkan konteks database, dokumentasi, tampilan manajemen dinamis, Penyimpanan Kueri, dan sumber pengetahuan lainnya. Misalnya, administrator database dapat mengelola database secara independen dan mengatasi masalah, sementara pengembang dapat menghasilkan kueri T-SQL dengan mengajukan pertanyaan dalam bahasa alami.

Selain itu, pengembang dapat mengelola database dan menyelesaikan masalah secara independen, mengurangi kebutuhan akan dukungan konstan dari administrator database.

Cuplikan layar Copilot untuk Azure SQL Database.

Pratinjau saat ini mencakup dua pengalaman:

  • Microsoft Copilot di Azure - Menambahkan keterampilan Azure SQL Database ke Microsoft Copilot di Azure, memberdayakan pengguna dengan bantuan yang dipandu sendiri untuk mengelola database dan menyelesaikan masalah secara independen.
  • Bahasa alami ke SQL - Menerjemahkan kueri bahasa alami ke dalam SQL dalam editor kueri portal Azure, membuat interaksi database lebih intuitif. Integrasi ini memungkinkan Microsoft Copilot di Azure menjawab pertanyaan seperti:
    • Agen mana yang telah mencantumkan lebih dari dua properti untuk dijual?
    • Beri tahu saya peringkat setiap agen berdasarkan penjualan properti dan nama pertunjukan, total penjualan, dan peringkat.
    • Tampilkan tabel ringkasan pivot yang menampilkan jumlah properti yang dijual setiap tahun dari 2020 hingga 2023.

Membangun aplikasi cerdas dengan Model Bahasa Besar (LLM)

Model bahasa besar (LLM) memungkinkan pengembang untuk membuat aplikasi yang didukung AI dengan pengalaman pengguna yang familier. Menggunakan LLM dalam aplikasi membawa nilai yang lebih besar dan pengalaman pengguna yang ditingkatkan ketika model dapat mengakses data yang tepat, pada waktu yang tepat, dari database aplikasi Anda. Proses ini dikenal sebagai Retrieval Augmented Generation (RAG), dan Azure SQL Database memiliki banyak fitur yang mendukung pola baru ini, menjadikannya database yang bagus untuk membangun aplikasi cerdas.

Azure SQL Database menawarkan berbagai opsi untuk membangun aplikasi cerdas, termasuk menghasilkan penyematan untuk RAG dengan Azure OpenAI, menyimpan dan mengkueri vektor, dan menggunakan Azure AI Search untuk melatih LLM pada data Anda. Selain itu, keterampilan Copilot di Azure SQL Database menyederhanakan desain, operasi, pengoptimalan, dan kesehatan aplikasi berbasis Azure SQL Database.

Konsep utama untuk menerapkan RAG dengan Azure SQL Database dan Azure OpenAI meliputi:

  • Generasi Augmentasi Pengambilan (RAG) - Meningkatkan kemampuan LLM untuk menghasilkan respons yang relevan dengan menyajikan data tambahan dari sumber eksternal.
  • Prompt dan Prompt Engineering - Membuat teks atau informasi tertentu yang berfungsi sebagai instruksi untuk LLM.
  • Token- Token adalah potongan teks yang lebih kecil yang dibuat dengan memisahkan teks input menjadi bagian yang lebih mudah dikelola.
  • Penyematan vektor - Vektor, atau penyematan, adalah representasi matematis data dalam ruang dimensi tinggi, yang digunakan oleh model pembelajaran mesin untuk memproses berbagai jenis informasi seperti teks, gambar, dan audio.
  • Pencarian vektor: Menemukan semua vektor dalam himpunan data yang secara semantik mirip dengan vektor kueri tertentu.

Azure SQL Database mendukung indeks penyimpan kolom dan eksekusi mode batch, memungkinkan penyimpanan dan kueri penyematan vektor yang efisien. Integrasi ini meminimalkan kebutuhan untuk mengelola sinkronisasi data dan mempercepat waktu ke pasar untuk pengembangan aplikasi AI.

Untuk informasi selengkapnya tentang menggunakan Azure SQL Database dengan Azure OpenAI, termasuk menghasilkan gambar, menggunakan OpenAI REST Endpoints, dan memanfaatkan pencarian vektor, lihat Aplikasi cerdas dengan Azure SQL Database.