Descrivere OpenAI di Azure

  • 5 minuti

Microsoft ha collaborato con OpenAI per realizzare tre obiettivi principali:

  • Utilizzare l'infrastruttura di Azure, inclusa la sicurezza, la conformità e la disponibilità a livello di area, per consentire agli utenti di creare applicazioni di livello aziendale.
  • Distribuire le funzionalità del modello di intelligenza artificiale OpenAI in prodotti Microsoft, inclusi i prodotti Azure per intelligenza artificiale e non solo.
  • Usare Azure per potenziare tutti i carichi di lavoro di OpenAI.

Introduzione al Servizio OpenAI di Azure

Il Servizio OpenAI di Azure è il risultato della partnership tra Microsoft e OpenAI. Il servizio combina le funzionalità di livello aziendale di Azure con le funzionalità del modello di intelligenza artificiale generativa di OpenAI.

Azure OpenAI è disponibile per gli utenti di Azure ed è costituito da quattro componenti:

  • Modelli di intelligenza artificiale generativa di cui è già stato eseguito il training
  • Funzionalità di personalizzazione, ovvero la possibilità di ottimizzare i modelli di intelligenza artificiale con i propri dati
  • Strumenti predefiniti per rilevare e mitigare i casi d'uso dannosi in modo che gli utenti possano implementare l'intelligenza artificiale in modo responsabile
  • Sicurezza di livello aziendale con controllo degli accessi in base al ruolo e reti private

Con Azure OpenAI è possibile eseguire la transizione tra il lavoro con i servizi di Azure e OpenAI, utilizzando la rete privata di Azure, la disponibilità a livello di area e il filtro dei contenuti per l'intelligenza artificiale responsabile.

Conoscere i carichi di lavoro OpenAI di Azure

I carichi di lavoro dell'intelligenza artificiale più comuni includono apprendimento automatico, visione artificiale naturale, elaborazione del linguaggio naturale, intelligenza artificiale conversazionale, rilevamento anomalie e knowledge mining.

OpenAI di Azure supporta molti carichi di lavoro di intelligenza artificiale generativa, ad esempio:

  • Generazione del linguaggio naturale
    • Completamento del testo: generazione e modifica del testo
    • Incorporamenti: ricerca, classificazione e confronto del testo
  • Generazione di codice: generazione, modifica e spiegazione del codice
  • Generazione di immagini: generazione e modifica di immagini

Relazione tra OpenAI di Azure e i Servizi di Azure AI

Nota

A partire da luglio 2023, i Servizi di Azure AI includono tutti i servizi noti in precedenza come Servizi cognitivi e Servizi di intelligenza artificiale applicata di Azure.

I Servizi di Azure AI sono strumenti usati per la risoluzione di carichi di lavoro di intelligenza artificiale. I servizi che si sceglie di usare dipendono dall'operazione da eseguire. In particolare, esistono diverse funzionalità sovrapposte tra il Servizio Lingua di Azure AI e il Servizio OpenAI di Azure, come la traduzione, l'analisi valutazione e l'estrazione di parole chiave.

Anche se non esistono indicazioni precise su quando usare un servizio specifico, il servizio Lingua di Azure AI può essere usato per casi d'uso ampiamente noti che richiedono un processo di ottimizzazione minima delle prestazioni di un modello. Il servizio OpenAI di Azure è più utile per i casi d'uso che richiedono modelli generativi altamente personalizzati o per ricerche esplorative.

Nota

I prezzi sono diversi per Il Servizio OpenAI di Azure e il servizio Lingua di Azure AI. Fare clic qui per altre informazioni.

Quando si prendono decisioni aziendali sul tipo di modello da utilizzare, è importante sapere in che modo le esigenze in termini di tempo e di calcolo incidono sul training per l'apprendimento automatico. Per produrre un modello di Machine Learning efficace, è necessario eseguire il training del modello con una notevole quantità di dati puliti. La parte dell'apprendimento del training richiede a un computer per identificare l'algoritmo più adatto ai dati. La complessità dell'attività che il modello deve risolvere e il livello desiderato di prestazioni del modello incidono sul tempo necessario per esaminare le possibili soluzioni per un algoritmo più adatto.