Esplorare le funzionalità disponibili del linguaggio di intelligenza artificiale di Azure

Completato

In questa unità verranno esaminate le funzionalità offerte da Lingua di Azure AI e quindi si userà l'ambiente simile alla demo per testare un modello di sentiment preconfigurato. Verranno quindi esaminati i passaggi per creare un modello personalizzato per la comprensione del linguaggio di conversazione, eseguirne il training e distribuirlo.

Funzionalità di Lingua di Azure AI

Lingua di Azure AI raggruppa le funzionalità nelle aree seguenti:

1. Classifica testo
2. Informazioni su domande e linguaggio di conversazione
3. Estrai informazioni
4. Riassumere testo
5. Tradurre testo

Classifica testo

Informazioni su domande e linguaggio di conversazione

Estrai informazioni

Riassumere testo

Tradurre testo

Le funzionalità possono essere preconfigurate o personalizzabili. Le funzionalità preconfigurate possono essere testate immediatamente con un ambiente simile a una demo direttamente all'interno di Language Studio. Possono essere usate così come sono.

Le altre funzionalità contrassegnate con * e l'icona di ingranaggio verde nel logo richiedono la personalizzazione da parte dell'utente. È necessario eseguire il training dei modelli per un migliore adattamento ai dati. Dopo avere eseguito il training, è possibile distribuire le funzionalità e quindi usarle per potenziare le app oppure nello stesso ambiente di test demo.

Testare e usare le funzionalità del linguaggio preconfigurate

1. Passare a Language Studio e accedere con l'account Azure.

2. Se non è disponibile una risorsa linguistica, crearne una.

   

3. Scorrere verso il basso fino alla sezione Classifica testo e quindi selezionare Analizza il sentiment e le opinioni.

4. Scorrere verso il basso, quindi selezionare Verifica servizio (lungo).

   

   Leggere il testo della recensione, si ritiene che sia positivo?

5. Selezionare Esegui.

6. Esaminare i risultati.

   

È possibile vedere in che modo il modello di valutazione ha identificato le parole che consentono di calcolare un punteggio complessivo positivo. Nel testo di esempio, il modello restituisce un risultato positivo 75%per l'intero documento.

È anche possibile eseguire il drill-down in singole frasi per altri dettagli. Lingua di Azure AI fornisce quindi indicazioni su come usare il modello nelle app personalizzate.

È ad esempio possibile ottenere la stessa risposta JSON dal modello usando questa istruzione curl nell'ambiente di sviluppo:

curl -v -X POST "https://<YOUR_ENDPOINT_HERE>/language/:analyze-text?api-version=2022-05-01" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: subscription key" --data-ascii "{\"kind\":\"SentimentAnalysis\",\"analysisInput\":{\"documents\":[{\"id\":\"documentId\",\"text\":\"Long waits...BUT FOR GOOD REASON. Some awesome Italian food and great vibes. Contoso Bistro always has live music or events going on to keep you entertained. The food is good enough to keep me entertained though!\n\n        The Contoso Bistro lasagna is a classic! The outdoor back patio is such a vibe, especially in the summer. Great service as well :) Love this place and will be back for more.\",\"language\":\"en\"}]},\"parameters\":{\"opinionMining\":true}}" 

Creare un modello di comprensione del linguaggio di conversazione, eseguirne il training e distribuirlo

Ognuna delle funzionalità personalizzabili in Lingua di Azure AI richiede passaggi diversi per creare i modelli. In questo esempio verrà illustrato come creare un modello di comprensione del linguaggio di conversazione.

La funzionalità di comprensione del linguaggio di conversazione consente di creare un modello che stima la finalità dal testo di conversazione. Immaginare ad esempio un'app e-mail con cui è possibile chattare per inviare o contrassegnare i messaggi e-mail. Si esegue il training del modello con frasi come "please add a flag to that email" o "okay, ready to send". Queste frasi verranno convertite in finalità per flag email e send email.

Per usare la comprensione del linguaggio, è necessario avere già creata una risorsa del linguaggio di intelligenza artificiale di Azure in Azure, quindi è possibile eseguire i passaggi seguenti in Language Studio:

1. Nella home page selezionare Conversational Language Understanding nella scheda Comprensione delle domande e del linguaggio di conversazione.

2. Selezionare + Crea nuovo progetto.

3. Immettere un nome per il nuovo progetto.

4. Selezionare la lingua.

5. Immettere una descrizione e quindi selezionare Avanti.

6. Seleziona Crea.

   

Language Studio fornirà indicazioni per i passaggi rimanenti. Seguire le sezioni dall'alto verso il basso nel riquadro di spostamento a sinistra per:

1. Creare la definizione dello schema. A tale scopo, è necessario aggiungere tutte le finalità e le entità pertinenti per l'app.

2. Etichettare i dati. È necessario fornire chat ed espressioni di esempio indicandone il mapping alle entità e alle finalità.

3. Addestra il tuo modello. Una volta aggiunte le informazioni sull'etichettatura dei dati, è possibile avviare il training del modello. È possibile dividere i dati destinandone l'80% al training e il 20% ai test. In alternativa, è possibile creare una suddivisione personalizzata.

4. Esaminare le prestazioni del modello.

5. Distribuire il modello. Quando le prestazioni del modello risultano soddisfacenti, distribuirlo. Il modello sarà così disponibile per essere chiamato come API dall'app e testato.

6. Testare la distribuzione. Questa opzione consente di testare il modello nello stesso modo dei modelli preconfigurati.

   

Indipendentemente dalla funzionalità usata, il risultato finale sarà un modello che è possibile usare nelle app per aggiungere la comprensione del linguaggio.

Nel contesto di Azure AI Search, questi modelli consentono di arricchire gli indici di ricerca per creare esperienze di ricerca migliori. In alternativa, consentono di fornire risposte quando gli utenti pongono domande.