Omówienie możliwości sztucznej inteligencji dla usługi Azure SQL Database

  • 8 min

W dzisiejszym szybko zmieniającym się środowisku technologicznym zrozumienie sztucznej inteligencji ma kluczowe znaczenie dla rozszerzania możliwości aplikacji i utrzymania konkurencji. Usługa Azure SQL Database odgrywa kluczową rolę w tej transformacji, zapewniając niezawodną platformę do integrowania sztucznej inteligencji z aplikacjami. Dzięki funkcjom, takich jak Microsoft Copilot, język naturalny do konwersji SQL i zaawansowanych narzędzi do zarządzania danymi, usługa Azure SQL Database umożliwia deweloperom wykorzystanie możliwości sztucznej inteligencji, usprawnienie zarządzania bazami danych i zwiększenie wydajności aplikacji. Za pomocą tych narzędzi można tworzyć inteligentne, dynamiczne i wydajne aplikacje spełniające wymagania nowoczesnych użytkowników.

Korzystanie z narzędzia Copilot w usłudze Azure SQL Database (wersja zapoznawcza)

Rozwiązanie Microsoft Copilot na platformie Azure jest zintegrowane z usługą Azure SQL Database, usprawniając zarządzanie bazą danych SQL i rozwiązywanie problemów. Zwiększa to produktywność w portalu Azure, oferując konwersję języka naturalnego na SQL i samopomoc w zakresie administrowania bazą danych.

Rozwiązanie Copilot upraszcza zarządzanie bazami danych dzięki wykorzystaniu kontekstu bazy danych, dokumentacji, dynamicznych widoków zarządzania, magazynu zapytań i innych źródeł wiedzy. Na przykład administratorzy baz danych mogą niezależnie zarządzać bazami danych i rozwiązywać problemy, podczas gdy deweloperzy mogą generować zapytania T-SQL, zadając pytania w języku naturalnym.

Ponadto deweloperzy mogą zarządzać bazami danych i rozwiązywać problemy niezależnie, zmniejszając potrzebę ciągłej obsługi administratorów baz danych.

Zrzut ekranu przedstawiający narzędzie Copilot dla usługi Azure SQL Database.

Bieżąca wersja zapoznawcza obejmuje dwa doświadczenia:

  • Microsoft Copilot na platformie Azure — dodaje umiejętności usługi Azure SQL Database do rozwiązania Microsoft Copilot na platformie Azure, umożliwiając użytkownikom samodzielne zarządzanie bazami danych i samodzielne rozwiązywanie problemów.
  • Język naturalny do języka SQL — tłumaczy zapytania języka naturalnego na język SQL w edytorze zapytań w witrynie Azure Portal, dzięki czemu interakcje z bazą danych będą bardziej intuicyjne. Ta integracja umożliwia firmie Microsoft Copilot na platformie Azure odpowiadanie na pytania, takie jak:
    • Którzy agenci wymienili więcej niż dwie nieruchomości na sprzedaż?
    • Podaj mi rangę każdego agenta według sprzedaży nieruchomości oraz pokaż jego nazwisko, łączną sprzedaż i pozycję w rankingu.
    • Pokaż tabelę przestawną, która zawiera liczbę sprzedanych nieruchomości w każdym roku od 2020 do 2023 roku.

Tworzenie inteligentnych aplikacji za pomocą dużych modeli językowych (LLMs)

Duże modele językowe (LLM) umożliwiają deweloperom tworzenie aplikacji opartych na sztucznej inteligencji ze znanym środowiskiem użytkownika. Korzystanie z funkcji LLMs w aplikacjach zapewnia większą wartość i ulepszone środowisko użytkownika, gdy modele mogą uzyskiwać dostęp do odpowiednich danych w odpowiednim czasie z bazy danych aplikacji. Ten proces jest znany jako Pobieranie rozszerzonej generacji (RAG), a usługa Azure SQL Database ma wiele funkcji, które obsługują ten nowy wzorzec, dzięki czemu jest to świetna baza danych do tworzenia inteligentnych aplikacji.

Usługa Azure SQL Database oferuje różne opcje tworzenia inteligentnych aplikacji, w tym generowanie osadzeń dla rozwiązania RAG za pomocą usługi Azure OpenAI, przechowywanie i wykonywanie zapytań wektorów oraz używanie usługi Azure AI Search do treningu dużych modeli językowych (LLM) na danych. Ponadto funkcje Copilot w usłudze Azure SQL Database usprawniają projektowanie, działanie, optymalizację i stan aplikacji opartych na usłudze Azure SQL Database.

Kluczowe pojęcia dotyczące implementowania rozwiązania RAG z usługami Azure SQL Database i Azure OpenAI obejmują:

  • Generacja wspomagana pobieraniem (RAG) — zwiększa zdolność LLM do generowania odpowiednich odpowiedzi poprzez odzyskiwanie dodatkowych danych ze źródeł zewnętrznych.
  • Podpowiedzi i inżynieria podpowiedzi — tworzenie określonego tekstu lub informacji, które służą jako instrukcja dla LLM.
  • Tokeny — tokeny są mniejszymi fragmentami tekstu utworzonymi przez podzielenie tekstu wejściowego na bardziej zarządzane części.
  • Osadzanie wektorów — wektory lub osadzanie to matematyczne reprezentacje danych w przestrzeni wielowymiarowej, używane przez modele uczenia maszynowego do przetwarzania różnych typów informacji, takich jak tekst, obrazy i dźwięk.
  • Wyszukiwanie wektorowe: Znajdowanie wszystkich wektorów w zestawie danych, które są semantycznie podobne do określonego wektora zapytania.

Usługa Azure SQL Database obsługuje indeksy columnstore i wykonywanie trybu wsadowego, co umożliwia wydajne przechowywanie i wykonywanie zapytań dotyczących wektorowych osadzeń. Ta integracja minimalizuje konieczność zarządzania synchronizacją danych i skraca czas opracowywania aplikacji sztucznej inteligencji.

Aby uzyskać więcej informacji na temat korzystania z usługi Azure SQL Database z usługą Azure OpenAI, w tym generowania obrazów, używania punktów końcowych REST openAI i korzystania z wyszukiwania wektorowego, zobacz Inteligentne aplikacje z usługą Azure SQL Database.