Inzicht in AI-mogelijkheden voor Azure SQL Database

  • 8 minuten

In het snel veranderende technologische landschap van vandaag is het begrijpen van AI cruciaal voor het uitbreiden van de mogelijkheden van toepassingen en het concurrentievermogen. Azure SQL Database speelt een belangrijke rol in deze transformatie door een robuust platform te bieden voor het integreren van AI in uw toepassingen. Met functies zoals Microsoft Copilot, natuurlijke taal voor SQL-conversie en geavanceerde hulpprogramma's voor gegevensbeheer biedt Azure SQL Database ontwikkelaars de mogelijkheid om de kracht van AI te benutten, databasebeheer te stroomlijnen en de prestaties van toepassingen te verbeteren. Met behulp van deze hulpprogramma's kunt u intelligente, responsieve en efficiënte toepassingen maken die voldoen aan de eisen van moderne gebruikers.

Copilot gebruiken in Azure SQL Database (preview)

Microsoft Copilot in Azure is geïntegreerd met Azure SQL Database, waardoor SQL-beheer en probleemoplossing wordt verbeterd. Het verhoogt de productiviteit in Azure Portal door natuurlijke taal aan te bieden voor SQL-conversie en zelfhulp voor databasebeheer.

Copilot vereenvoudigt databasebeheer door gebruik te maken van databasecontext, documentatie, dynamische beheerweergaven, Query Store en andere kennisbronnen. Databasebeheerders kunnen bijvoorbeeld onafhankelijk databases beheren en problemen oplossen, terwijl ontwikkelaars T-SQL-query's kunnen genereren door vragen in natuurlijke taal te stellen.

Ontwikkelaars kunnen ook databases beheren en problemen onafhankelijk oplossen, waardoor er minder behoefte is aan constante ondersteuning van databasebeheerders.

Schermopname van Copilot voor Azure SQL Database.

De huidige preview bevat twee ervaringen:

  • Microsoft Copilot in Azure : voegt Azure SQL Database-vaardigheden toe aan Microsoft Copilot in Azure, zodat gebruikers met zelfhulp kunnen helpen bij het beheren van databases en het onafhankelijk oplossen van problemen.
  • Natuurlijke taal naar SQL : vertaalt query's in natuurlijke taal in SQL in de queryeditor van Azure Portal, waardoor databaseinteracties intuïtiever worden. Met deze integratie kan Microsoft Copilot in Azure vragen beantwoorden zoals:
    • Welke agenten hebben meer dan twee eigenschappen te koop vermeld?
    • Vertel me de positie van elke agent per verkoop van eigenschappen en toon naam, totale verkoop en rangschikking.
    • Geef een draaitabel weer waarin het aantal verkochte eigenschappen per jaar wordt weergegeven van 2020 tot 2023.

Intelligente toepassingen bouwen met LLM's (Large Language Models)

Met grote taalmodellen (LLM's) kunnen ontwikkelaars AI-toepassingen maken met een vertrouwde gebruikerservaring. Het gebruik van LLM's in toepassingen biedt meer waarde en een verbeterde gebruikerservaring wanneer de modellen op het juiste moment toegang hebben tot de juiste gegevens vanuit de database van uw toepassing. Dit proces staat bekend als Rag (Retrieval Augmented Generation) en Azure SQL Database heeft veel functies die dit nieuwe patroon ondersteunen, waardoor het een geweldige database is om intelligente toepassingen te bouwen.

Azure SQL Database biedt verschillende opties voor het bouwen van intelligente toepassingen, waaronder het genereren van insluitingen voor RAG met Azure OpenAI, het opslaan en opvragen van vectoren, en het gebruik van Azure AI Search om LLM's op uw gegevens te trainen. Daarnaast stroomlijnen Copilot-vaardigheden in Azure SQL Database het ontwerp, de werking, de optimalisatie en de status van Azure SQL Database-toepassingen.

Belangrijke concepten voor het implementeren van RAG met Azure SQL Database en Azure OpenAI zijn:

  • Retrieval Augmented Generation (RAG) - Verbetert de mogelijkheid van de LLM om relevante antwoorden te genereren door extra gegevens op te halen uit externe bronnen.
  • Prompts en Prompt Engineering : specifieke tekst of informatie maken die dient als instructie voor een LLM.
  • Tokens: tokens zijn kleinere stukken tekst die zijn gemaakt door de invoertekst op te splitsen in beter beheerbare delen.
  • Vector embeddings - Vectoren, of insluitingen, zijn wiskundige representaties van gegevens in een hoogdimensionale ruimte, die door machine learning-modellen worden gebruikt voor het verwerken van verschillende soorten informatie, zoals tekst, afbeeldingen en audio.
  • Vector zoeken: Alle vectoren zoeken in een gegevensset die semantisch vergelijkbaar zijn met een specifieke queryvector.

Azure SQL Database biedt ondersteuning voor columnstore-indexen en batchmodusuitvoering, zodat u efficiënt kunt opslaan en query's kunt uitvoeren op vector-insluitingen. Deze integratie minimaliseert de noodzaak om gegevenssynchronisatie te beheren en versnelt de time-to-market voor ontwikkeling van AI-toepassingen.

Zie Intelligente toepassingen met Azure SQL Database voor meer informatie over het gebruik van Azure SQL Database met Azure OpenAI, waaronder het genereren van afbeeldingen, het gebruik van OpenAI REST-eindpunten en het toepassen van vectorzoekopdrachten.