Che cos'è Azure AI Search?

Ricerca di intelligenza artificiale di Azure (in precedenza nota come "Ricerca cognitiva di Azure") è un sistema di ricerca e recupero pronto per le aziende, con un set completo di tecnologie di ricerca avanzate, progettato per applicazioni ad alte prestazioni su qualsiasi scala.

Ricerca di intelligenza artificiale di Azure è il sistema di recupero consigliato principale quando si compilano applicazioni basate su RAG in Azure, con integrazioni LLM native tra il servizio Azure OpenAI e Azure Machine Learning.

Ricerca di intelligenza artificiale di Azure può essere usato in scenari tradizionali e genAI. I casi d'uso comuni includono informazioni dettagliate della Knowledge Base (ricerca di cataloghi o documenti), individuazione delle informazioni (esplorazione dei dati), generazione aumentata del recupero (RAG) e automazione.

Quando si crea un servizio di ricerca, si usano con le funzionalità seguenti:

• Un motore di ricerca per la ricerca vettoriale, la ricerca full-text e ibrida in un indice di ricerca
• Indicizzazione avanzata con suddivisione in blocchi e vettorizzazione dei dati integrati (anteprima), analisi lessicale per il testo e intelligenza artificiale applicata facoltativa per l'estrazione e la trasformazione di contenuti
• Sintassi di query avanzata per query vettoriali, ricerche di testo, query ibride, ricerche fuzzy, completamento automatico, ricerche geografiche e altro ancora
• Ottimizzazione delle prestazioni di pertinenza e query con classificazione semantica, profili di punteggio, quantizzazione per query vettoriali e parametri per il controllo dei comportamenti delle query durante il runtime
• Scalabilità, sicurezza e copertura di Azure
• Integrazione di Azure a livello di dati, livello di Machine Learning, servizi di intelligenza artificiale di Azure e Azure OpenAI

Creare un servizio di ricerca

A livello di architettura, un servizio di ricerca risiede tra gli archivi dati esterni che contengono i dati non indicizzati e un'app client che invia richieste di query a un indice di ricerca e gestisce la risposta.

Nell'app client l'esperienza di ricerca viene definita usando le API di Azure AI Search e può includere l'ottimizzazione della pertinenza, la classificazione semantica, il completamento automatico, la corrispondenza dei sinonimi, la corrispondenza fuzzy, la corrispondenza dei modelli, i filtri e altro ancora.

Nella piattaforma di Azure, Azure AI Search può integrarsi con altri servizi di Azure sotto forma di indicizzatori, che automatizzano l'inserimento/il recupero dei dati dalle origini dati di Azure, e set di competenze, che incorporano l'intelligenza artificiale utilizzabile da Servizi di Azure AI ad esempio l'analisi di immagini e linguaggio naturale oppure l'intelligenza artificiale personalizzata creata in Azure Machine Learning o incorporata all'interno di Funzioni di Azure.

All’interno di un servizio di ricerca

Nel servizio di ricerca stesso i due carichi di lavoro principali sono indicizzazione ed esecuzione di query.

• L'indicizzazione è un processo di acquisizione che carica il contenuto nel servizio di ricerca e lo rende ricercabile. Internamente, il testo in ingresso viene elaborato in token e archiviati in indici invertiti mentre i vettori in ingresso vengono archiviati negli indici vettoriali. Il formato del documento che Azure AI Search è in grado di indicizzare è JSON. È possibile caricare documenti JSON assemblati o usare un indicizzatore per recuperare e serializzare i dati in JSON.

  L'intelligenza artificiale applicata tramite un set di competenze estende l'indicizzazione con modelli di immagini e linguaggi. Se il documento di origine contiene immagini o testo non strutturato di grandi dimensioni, è possibile collegare competenze che eseguono il riconoscimento ottico dei caratteri, analizzano e descrivono le immagini, deducono la struttura, traducono il testo e altro ancora. L'output è un testo che può essere serializzato in JSON e inserito in un indice di ricerca.

  I set di competenze possono anche eseguire suddivisione in blocchi e vettorizzazione dei dati durante l'indicizzazione. Le competenze associate ad Azure OpenAI, il catalogo modelli nello Studio AI della piattaforma Azure o le competenze personalizzate associate a qualsiasi modello esterno di suddivisione in blocchi e incorporamento possono essere usate durante l'indicizzazione per creare dati vettoriali. L'output è contenuto vettoriale in blocchi che può essere inserito in un indice di ricerca.

• L’esecuzione di query si verifica quando un indice è stato popolato con contenuto ricercabile, ovvero quando l’app client invia richieste e un servizio di ricerca e gestisce le risposte. Tutte le esecuzioni di query vengono eseguite su un indice di ricerca controllato dall'utente.

  La classificazione semantica è un'estensione dell'esecuzione di query. Aggiunge una classificazione secondaria, usando la comprensione del linguaggio per rivalutare un set di risultati, proponendo per primi i risultati più pertinenti dal punto di vista semantico.

  La vettorizzazione integrata è anche un'estensione dell'esecuzione di query. Se nell'indice di ricerca sono presenti campi vettoriali, è possibile inviare query vettoriali non elaborate o testo vettorizzato in fase di query.

Perché usare Azure AI Search?

Azure AI Search è una soluzione particolarmente adatta agli scenari di applicazione seguenti:

• Usarlo per la ricerca full-text tradizionale e la ricerca di somiglianza vettoriale di nuova generazione. Abbinare alle app di intelligenza artificiale generativa il servizio di recupero di informazioni che sfrutta i punti di forza della ricerca di parole chiave e delle somiglianze. Usare entrambe le modalità per recuperare i risultati più rilevanti.

• Consolidare contenuto eterogeneo in un indice di ricerca definito dall'utente e popolato composto da vettori e testo. Vengono mantenuti la proprietà e il controllo su ciò che è ricercabile.

• Integrare la suddivisione in blocchi dei dati e la vettorizzazione per le app di intelligenza artificiale generativa e RAG.

• Applicare un controllo di accesso granulare a livello di documento.

• Eseguire l'offload di carichi di lavoro di indicizzazione e query in un servizio di ricerca dedicato.

• Implementare facilmente le funzionalità correlate alla ricerca: ottimizzazione della pertinenza, esplorazione in base a facet, filtri (inclusa la ricerca geospaziale), mapping dei sinonimi e completamento automatico.

• Trasformare file di testo o immagini indifferenziati di grandi dimensioni o file di applicazione, archiviati in Archiviazione BLOB di Azure o In Azure Cosmos DB, in blocchi ricercabili. Questo risultato viene ottenuto durante l'indicizzazione tramite competenze AI che aggiungono l'elaborazione esterna da Azure per intelligenza artificiale.

• Aggiungere l'analisi linguistica o personalizzata del testo. Per il contenuto non in lingua inglese, Azure AI Search supporta sia gli analizzatori Lucene che i processori di linguaggio naturale di Microsoft. È anche possibile configurare gli analizzatori per ottenere un'elaborazione specializzata di contenuto non elaborato, ad esempio l'esclusione tramite filtro dei segni diacritici o il riconoscimento e la conservazione dei criteri nelle stringhe.

Per altre informazioni sulle funzionalità specifiche, vedere Funzionalità di Azure AI Search

Come iniziare

La funzionalità viene esposta tramite il portale di Azure, semplici API REST o gli SDK di Azure, ad esempio Azure SDK per .NET. Il portale di Azure supporta l'amministrazione del servizio e la gestione dei contenuti, con strumenti per la creazione di prototipi e per l'esecuzione di query su indici e set di competenze.

Usare il portale di Azure

Per un'esplorazione end-to-end delle principali funzionalità di ricerca, seguire questi quattro passaggi:

1. Scegliere un livello e un'area. È consentito un servizio di ricerca gratuito per ogni sottoscrizione. Tutti gli argomenti delle guide introduttive possono essere completati con il livello gratuito. Per disporre di più capacità e funzionalità, è necessario un livello fatturabile.

2. Creare un servizio di ricerca nel portale di Azure.

3. Iniziare con l'Importazione guidata dei dati. Scegliere un esempio predefinito o un'origine dati supportata per creare, caricare ed eseguire query su un indice in pochi minuti.

4. Terminare con Esplora ricerche usando un client del portale per eseguire query sull'indice di ricerca appena creato.

Usare le API

In alternativa, è possibile creare, caricare ed eseguire query su un indice di ricerca nei passaggi atomici:

1. Creare un indice di ricerca usando il portale, l’API REST, .NET SDK o un altro SDK. Lo schema di indice definisce la struttura del contenuto ricercabile.

2. Caricare il contenuto usando il modello "push" per eseguire il push di documenti JSON da qualsiasi origine o usare il modello "pull" (indicizzatori) se i dati di origine sono di un tipo supportato.

3. Eseguire query su un indice usando Esplora ricerche nel portale, l'API REST, .NET SDK o un altro SDK.

Usare gli acceleratori

In alternativa, provare gli acceleratori di soluzioni:

• L'acceleratore di soluzioni Chat with your data consente di creare una soluzione RAG personalizzata sui contenuti.

• L'acceleratore di soluzioni Conversational Knowledge Mining consente di creare una soluzione interattiva per estrarre informazioni dettagliate di utilità pratica dalle trascrizioni post-contact center.

• L'acceleratore di soluzioni "Creare un copilota" sfrutta il servizio OpenAI di Azure, Azure AI Search e Microsoft Fabric per creare soluzioni copilote personalizzate.

  • Il copilota generico consente di creare un copilota personalizzato per identificare i documenti pertinenti, riepilogare le informazioni non strutturate e generare modelli di documento di Word usando i propri dati.

  • Il copilot personalizzato all-in-one Client Advisor consente a Client Advisor di sfruttare la potenza dell'intelligenza artificiale generativa nei dati strutturati e non strutturati. Aiutare i nostri clienti a ottimizzare le attività quotidiane e promuovere interazioni migliori con più clienti

  • Research Assistant consente di creare un assistente di intelligenza artificiale personalizzato per identificare documenti pertinenti, riepilogare e classificare grandi quantità di informazioni non strutturate e accelerare la revisione complessiva dei documenti e la generazione di contenuti.

Suggerimento

Per assistenza con soluzioni complesse o personalizzate, contattare un partner con un’esperienza approfondita nella tecnologia di Azure AI Search.

Confrontare le opzioni di ricerca

I clienti spesso si chiedono quali siano le differenze tra Azure AI Search e le altre soluzioni di ricerca. Nella tabella seguente sono riepilogate le principali differenze.

Confronto con	Differenze principali
Microsoft Search	Microsoft Search è destinato agli utenti autenticati di Microsoft 365 che devono eseguire query sui contenuti in SharePoint. Azure AI Search esegue il pull del contenuto in Azure e in qualsiasi set di dati JSON.
Bing	Le API Bing eseguono query sugli indici su Bing.com per trovare termini corrispondenti. Azure AI Search esegue ricerche sugli indici popolati con il contenuto. È possibile controllare l'inserimento dei dati e lo schema.
Ricerca nel database	Azure SQL supporta la ricerca full-text e la ricerca vettoriale. Anche Azure Cosmos DB supporta la ricerca di testo e la ricerca vettoriale. Azure AI Search si presenta come un'alternativa interessante quando sono necessarie funzionalità come l'ottimizzazione della pertinenza o si usa contenuto da origini eterogenee. L'uso delle risorse è un altro punto da considerare. L'indicizzazione e le query sono a elevato utilizzo di calcolo. L'offload della ricerca da DBMS mantiene le risorse di sistema per l'elaborazione delle transazioni.
Soluzione di ricerca dedicata	Se si è deciso di eseguire ricerche dedicate con la gamma completa di funzionalità, il confronto categorico finale è tra le tecnologie di ricerca. Tra i provider di servizi cloud, Azure AI Search offre le migliori prestazioni per i carichi di lavoro vettoriali, basati su parole chiave e ibridi sui contenuti di Azure, per le app che fanno principalmente affidamento sulla ricerca per il recupero di informazioni e l'esplorazione di contenuti.

Ecco i principali vantaggi:

• Supporto per l'indicizzazione e le query vettoriali e non vettoriali (testo). Con la ricerca di somiglianza vettoriale, è possibile trovare informazioni semanticamente simili alle query di ricerca, anche se i termini di ricerca non corrispondono esattamente. Usare la ricerca ibrida per ottenere la migliore ricerca di parole chiave e vettoriale.
• Classificazione e ottimizzazione della pertinenza tramite profili di classificazione semantica e profili di punteggio. La sintassi delle query supporta l'aumento delle priorità dei termini e la definizione di priorità per i campi.
• Integrazione dei dati di Azure (crawler) al livello di indicizzazione.
• Integrazione dell'intelligenza artificiale di Azure per trasformazioni che rendono il testo del contenuto e i vettori ricercabili.
• Sicurezza di Microsoft Entra per connessioni attendibili e collegamento privato di Azure per connessioni private in scenari senza Internet.
• Esperienza dii ricerca completa: analisi linguistica e personalizzata del testo in 56 lingue. Facet, completamento automatico di query, risultati suggeriti e sinonimi.
• Scalabilità, affidabilità e copertura globale di Azure.