Forstå AI-funksjoner for Azure SQL Database

  • 8 minutter

I dagens raskt utviklende teknologiske landskap er det avgjørende å forstå AI for å utvide mulighetene til applikasjoner og holde seg konkurransedyktig. Azure SQL Database spiller en sentral rolle i denne transformasjonen ved å tilby en robust plattform for å integrere AI i programmene dine. Med funksjoner som Microsoft Copilot, naturlig språk for SQL-konvertering og avanserte verktøy for databehandling, gir Azure SQL Database utviklere mulighet til å utnytte kraften i kunstig intelligens, effektivisere databasebehandling og forbedre programytelsen. Ved hjelp av disse verktøyene kan du opprette intelligente, responsive og effektive programmer som oppfyller kravene til moderne brukere.

Bruk Copilot i Azure SQL Database (forhåndsversjon)

Microsoft Copilot i Azure er integrert med Azure SQL Database, noe som forbedrer SQL-administrasjon og feilsøking. Det øker produktiviteten i Azure-portalen ved å tilby naturlig språk til SQL-konvertering og selvhjelp for databaseadministrasjon.

Copilot forenkler databasebehandling ved å bruke databasekontekst, dokumentasjon, dynamiske administrasjonsvisninger, spørringslager og andre kunnskapskilder. Databaseadministratorer kan for eksempel uavhengig administrere databaser og løse problemer, mens utviklere kan generere T-SQL-spørringer ved å stille spørsmål på naturlig språk.

Utviklere kan også administrere databaser og løse problemer uavhengig, noe som reduserer behovet for konstant støtte fra databaseadministratorer.

Skjermbilde av Copilot for Azure SQL Database.

Den gjeldende forhåndsvisningen inneholder to opplevelser:

  • Microsoft Copilot i Azure – legger til Azure SQL Database-ferdigheter i Microsoft Copilot i Azure, noe som gir brukere selvstyrt hjelp til å administrere databaser og løse problemer uavhengig av hverandre.
  • Naturlig språk til SQL – oversetter spørringer på naturlig språk til SQL i redigeringsprogrammet for azure-portalspørringer, noe som gjør databasesamhandlinger mer intuitive. Denne integreringen gjør det mulig for Microsoft Copilot i Azure å svare på spørsmål som:
    • Hvilke agenter har oppført mer enn to eiendommer til salgs?
    • Fortell meg rangeringen for hver agent etter eiendomssalg og vis navn, totalt salg og rangering.
    • Vis meg en pivottabell som viser antallet eiendommer som selges i hvert år fra 2020 til 2023.

Bygg intelligente programmer med store språkmodeller (LLM-er)

Store språkmodeller (LLMs) gjør det mulig for utviklere å opprette KUNSTIG-drevne programmer med en kjent brukeropplevelse. Bruk av LLM-er i programmer gir større verdi og en forbedret brukeropplevelse når modellene kan få tilgang til de riktige dataene, til rett tid, fra programmets database. Denne prosessen kalles Retrieval Augmented Generation (RAG), og Azure SQL Database har mange funksjoner som støtter dette nye mønsteret, noe som gjør den til en flott database for å bygge intelligente programmer.

Azure SQL Database tilbyr ulike alternativer for å bygge intelligente programmer, inkludert generering av innebygginger for RAG med Azure OpenAI, lagring og spørring av vektorer og bruk av Azure AI Search til å lære opp LLM-er på dataene dine. I tillegg effektiviserer Copilot-ferdighetene i Azure SQL Database utformingen, operasjonen, optimaliseringen og tilstanden til Azure SQL Database-drevne programmer.

Viktige konsepter for implementering av RAG med Azure SQL Database og Azure OpenAI inkluderer:

  • Henting av utvidet generasjon (RAG) – forbedrer LLMs evne til å produsere relevante svar ved å hente flere data fra eksterne kilder.
  • Ledetekster og ledetekstteknikk – Oppretting av bestemt tekst eller informasjon som fungerer som en instruksjon til en LLM.
  • Tokens- Tokens er mindre tekstdeler som opprettes ved å dele inndatateksten i mer håndterbare deler.
  • Vektorinnbygginger – vektorer eller innebygginger, er matematiske representasjoner av data i et høydimensjonalt område, som brukes av maskinlæringsmodeller til å behandle ulike typer informasjon som tekst, bilder og lyd.
  • Vektorsøk: Finne alle vektorer i et datasett som er semantisk lik en bestemt spørringsvektor.

Azure SQL Database støtter indekser for kolonnelager og kjøring av satsvis modus, noe som gir effektiv lagring og spørring av vektorinnbygginger. Denne integreringen minimerer behovet for å administrere datasynkronisering og akselererer tid til markedet for utvikling av AI-programmer.

Hvis du vil ha mer informasjon om hvordan du bruker Azure SQL Database med Azure OpenAI, inkludert generering av bilder, bruk av OpenAI REST-endepunkter og bruk av vektorsøk, kan du se Intelligente programmer med Azure SQL Database.