Glossário copiloto
copilot – Copilots são assistentes de linguagem naturais que podem ajudar com tarefas criativas, gerar insights, executar fluxos de trabalho automatizados e muito mais. Os copilotos são compostos por fluxos de trabalho, ações, conhecimento e gatilhos, alimentados por um ou mais modelos de fundação e um orquestrador que supervisiona e sincroniza as operações do copilot. Os copilotos podem habilitar recursos de IA generativos em aplicativos, serviços Web e podem ser publicados como extensões de copiloto para estender e personalizar o Microsoft Copilot.
Copilot personalizado – é uma versão personalizada do Microsoft Copilot que combina instruções, conhecimentos extras e/ou personalizados e qualquer combinação de habilidades.
Serviço Azure OpenAI – um serviço de API que permite que um desenvolvedor consulte o melhor das LLMs do OpenAI com as garantias que os usuários finais esperam da Microsoft.
Estúdio de IA do Azure – uma plataforma de desenvolvimento pró-código que oferece personalização e controle completos sobre aplicativos e modelos de IA generativos com ferramentas visuais e de código flexíveis e integradas e modelos de início rápido predefinidos.
Microsoft Copilot – uma interface de IA acessível e coesa que fornece aos usuários acesso aos recursos de IA com base em suas necessidades e preferências, ao mesmo tempo em que se integram aos produtos da Microsoft para maximizar o valor. O Microsoft Copilot é seu Complemento de IA diário.
Microsoft Copilot Studio – uma ferramenta de código baixo/sem código que permite que os usuários integrem facilmente a inteligência artificial a qualquer produto M365 ou Power Platform, oferecendo modelos e sistemas de IA predefinidos e personalizados para tarefas como processamento de formulários, detecção de objetos, previsão e muito mais.
Extensões copilot – uma extensão de copilot personaliza e aprimora o Microsoft Copilot com copilots personalizados, habilitando novas ações e conhecimento personalizado para aterramento no Copilot. Com extensões Copilot, os usuários podem obter uma experiência do Microsoft Copilot personalizada com os dados, sistemas e fluxos de trabalho que usam todos os dias. Plug-ins – um tipo de extensão de copiloto. A Microsoft definiu um novo manifesto de plug-in que desbloqueia a capacidade de gravar um plug-in uma vez e executá-lo em qualquer lugar em qualquer superfície de copilot. Os plug-ins devem ser considerados um artefato de extensibilidade funcional e atômico que pode ser composto com qualquer outra extensão de copilot.
Conectores do Microsoft Copilot – um tipo de extensão Copilot para experiências de baixo e nenhum código por meio de Microsoft Copilot Studio. Os conectores copilot agrupam recursos e dados de conectores do Microsoft Graph, conectores do Power Platform e Microsoft Fabric.
Conectores do Microsoft Graph – criados sob medida por desenvolvedores ou conectores predefinidos habilitados por administradores de TI que indexam dados de serviços LoB, locais e SaaS no Microsoft Graph, onde podem aprimorar e aumentar os recursos de serviços inteligentes como Microsoft Copilot, Search e ContextIQ ao lado de dados e conteúdo M365.
Conectores do Power Platform – Conectores que permitem que o Microsoft Power Platform interaja com fontes de dados e serviços externos.
Extensão de Mensagem do Teams – um recurso do Microsoft Teams que permite que os usuários pesquisem ou iniciem ações em um serviço Web/sistema externo por meio de um elemento UX simples chamado Cartão Adaptável. Agora são todos utilizáveis como plug-ins.
Prompt – a entrada para um modelo de IA generativo do qual ele gera uma saída (muitas vezes chamada de "resposta" ou "conclusão"). Geralmente texto, mas modelos multimodal podem usar texto, imagens, áudio ou uma combinação deles como o prompt.
A IA responsável (RAI) – é o conjunto de normas e padrões que a Microsoft busca definir para ajudar a promover o uso seguro e seguro da IA em benefício da sociedade em geral por meio de governança, política interna, habilitação, engajamento externo e liderança de pensamento.
Modelo de base – um modelo de IA treinado em dados amplos para que ele possa ser aplicado em uma ampla gama de casos de uso para dar suporte a tarefas como processamento de linguagem, compreensão visual, geração de texto, escrita de código e muito mais. Confira também: LLM, SLM.
IA generativa – uma forma de IA caracterizada por sua capacidade de criar linguagem natural/conteúdo mais humano sugerido por prompts de entrada, incluindo prosa, verso, música e imagens. GPT – (transformador pré-treinado generativo) uma classe de modelos de fundação criados pelo OpenAI e hospedados pelo OpenAI e pelo Azure. Um modelo recente nesta classe é "GPT-4 Turbo".
Aterramento – é o processo de vincular conhecimento abstrato em sistemas de IA a conteúdo específico do mundo real. Ele aumenta a precisão da compreensão do agente de IA e da interação com dados do mundo real.
LLMs (Modelos de Linguagem Grande) – modelos de IA generativos que são treinados em uma enorme quantidade de dados para produzir respostas humanas a consultas de linguagem natural, normalmente por meio de um chatbot. Confira também: Modelo de fundação.
LLMOps – fluxo simplificado para o desenvolvimento de ponta a ponta de aplicativos movidos a LLM da ideação à operacionalização.
Código baixo – normalmente envolve interfaces gráficas/visuais e codificação mínima para permitir o desenvolvimento rápido e acessível de aplicativos. Ao contrário das ferramentas pró-código, a maioria, se não todos os conceitos e tecnologias subjacentes, são abstraídos da experiência do usuário.
MLOps – fluxo simplificado para o desenvolvimento de ponta a ponta de um aplicativo de machine learning, da ideação à operacionalização. O MLOps é diferenciado de LLMOps em público, foco e especificamente em desafios gerados por requisitos e ativos de processamento de linguagem natural. Pro-Code – inclui a capacidade de personalizar e controlar profundamente o desempenho do modelo e do aplicativo. Isso pode incluir recursos de configuração e gerenciamento baseados em GUI, além da interface de primeiro código, exigindo um nível profundo de compreensão dos conceitos e tecnologias subjacentes. RAG – (Geração Aumentada por Recuperação) é um processo que permite que os modelos de IA recuperem informações relevantes de uma fonte de conhecimento e incorporem-nas no texto gerado. Essa é uma estrutura de inteligência artificial para melhorar a qualidade das respostas geradas pelos modelos, baseando o modelo em fontes externas de conhecimento para complementar sua representação interna de informações.