Spiegazioni sulle funzionalità IA per il database SQL di Azure

Completato

Nel panorama tecnologico in rapida evoluzione, la comprensione dell'IA è fondamentale per espandere le funzionalità delle applicazioni e rimanere competitivi. Il database SQL di Azure svolge un ruolo fondamentale in questa trasformazione offrendo una solida piattaforma per IA artificiale nelle applicazioni. Con funzionalità come Microsoft Copilot, linguaggio naturale per la conversione SQL e strumenti avanzati di gestione dei dati, il database SQL di Azure consente agli sviluppatori di sfruttare la potenza dell'intelligenza artificiale, semplificare la gestione dei database e migliorare le prestazioni dell'applicazione. Con l'aiuto di questi strumenti, è possibile creare applicazioni intelligenti, reattive ed efficienti che soddisfano le esigenze degli utenti moderni.

Usare Copilot nel database SQL di Azure (anteprima)

Microsoft Copilot in Azure è integrato con il database SQL di Azure, migliorando la gestione e la risoluzione dei problemi di SQL. Aumenta la produttività nel portale di Azure offrendo linguaggio naturale alla conversione SQL e self-help per l'amministrazione del database.

Copilot semplifica la gestione dei database sfruttando il contesto del database, la documentazione, le viste a gestione dinamica, Query Store e altre origini delle informazioni. Ad esempio, gli amministratori di database possono gestire in modo indipendente i database e risolvere i problemi, mentre gli sviluppatori possono generare query T-SQL ponendo domande in linguaggio naturale.

Inoltre, gli sviluppatori possono gestire i database e risolvere i problemi in modo indipendente, riducendo la necessità di un supporto costante da parte degli amministratori di database.

L'anteprima corrente include due esperienze:

• Microsoft Copilot in Azure: aggiunge competenze del database SQL di Azure in Microsoft Copilot in Azure, consentendo agli utenti di ricevere assistenza autoguidata per gestire i database e risolvere i problemi in modo indipendente.
• Linguaggio naturale in SQL: converte le query in linguaggio naturale in SQL nell'editor di query del portale di Azure, rendendo le interazioni del database più intuitive. Questa integrazione consente a Microsoft Copilot in Azure di rispondere a domande come:
  • Quali agenti hanno elencato più di due proprietà per la vendita?
  • Indica la classificazione di ogni agente in base alle vendite di proprietà e mostra nome, vendite totali e classifica.
  • Mostra una tabella di riepilogo pivot che visualizza il numero di proprietà vendute in ogni anno dal 2020 al 2023.

Creare applicazioni intelligenti con modelli linguistici di grandi dimensioni (LLM)

I modelli linguistici (LLM) di grandi dimensioni consentono agli sviluppatori di creare applicazioni basate su intelligenza artificiale con un’esperienza utente familiare. L’uso di LLM nelle applicazioni offre un valore aggiunto e un’esperienza utente migliorata quando i modelli possono accedere ai dati corretti, al momento giusto, dal database dell’applicazione. Questo processo è noto come Generazione aumentata di recupero (RAG) e il database SQL di Azure include molte funzionalità che supportano questo nuovo modello, rendendolo un database ideale per creare applicazioni intelligenti.

Il database SQL di Azure offre diverse opzioni per creare applicazioni intelligenti, tra cui la generazione di incorporamenti per RAG con Azure OpenAI, l'archiviazione e l'esecuzione di query sui vettori e l'uso di Azure AI Search per eseguire il training del modello linguistico di grandi dimensioni sui dati. Inoltre, le competenze di Copilot nel database SQL di Azure semplificano la progettazione, l'operazione, l'ottimizzazione e l'integrità delle applicazioni basate sul database SQL di Azure.

I concetti chiave per l'implementazione di RAG con il database SQL di Azure e Azure OpenAI includono:

• Generazione aumentata di recupero (RAG): migliora la capacità del modello linguistico di grandi dimensioni di produrre risposte pertinenti recuperando dati aggiuntivi da origini esterne.
• Prompt e progettazione prompt: informazioni o creazione di testo specifiche che fungono da istruzione per un modello linguistico di grandi dimensioni.
• Token: i token sono parti di testo più piccole create suddividendo il testo di input in parti più gestibili.
• Incorporamenti vettoriali: i vettori, o incorporamenti, sono rappresentazioni matematiche dei dati in uno spazio altamente dimensionale, usati dai modelli di apprendimento automatico per elaborare vari tipi di informazioni, ad esempio testo, immagini e audio.
• Ricerca vettoriale: Ricerca di tutti i vettori in un set di dati semanticamente simile a un vettore di query specifico.

Il database SQL di Azure supporta gli indici columnstore e l'esecuzione in modalità batch, consentendo un'archiviazione efficiente e l'esecuzione di query sugli incorporamenti vettoriali. Questa integrazione riduce al minimo la necessità di gestire la sincronizzazione dei dati e accelera il time-to-market per lo sviluppo di applicazioni di AI.

Per altre informazioni sull'uso del database SQL di Azure con Azure OpenAI, inclusa la generazione di immagini, l'uso di endpoint REST OpenAI e l'uso della ricerca vettoriale, vedere Applicazioni intelligenti con il database SQL di Azure.