Глоссарий Copilot
copilot — Copilots — это помощники на естественном языке, которые могут помочь с творческими задачами, генерировать аналитические сведения, выполнять автоматизированные рабочие процессы и многое другое. Копилоты состоят из рабочих процессов, действий, знаний и триггеров на основе одной или нескольких базовых моделей и оркестратора, который контролирует и синхронизирует операции копилота. Копилоты могут использовать возможности генеративного искусственного интеллекта в приложениях, веб-службах и могут быть опубликованы в виде расширений для расширения и настройки Microsoft Copilot.
Пользовательский copilot — это настраиваемая версия Microsoft Copilot, которая сочетает инструкции, дополнительные и (или) пользовательские знания и любое сочетание навыков.
Служба Azure OpenAI — служба API, которая позволяет разработчику запрашивать лучшие из LLM OpenAI с гарантиями, которые пользователи ожидают от Корпорации Майкрософт.
Azure AI Studio — платформа разработки pro-code, предлагающая полную настройку и контроль над генеративными приложениями и моделями ИИ с гибкими и интегрированными визуальными инструментами и инструментами для создания кода, а также готовыми шаблонами быстрого запуска.
Microsoft Copilot — доступный, согласованный интерфейс ИИ, который предоставляет пользователям доступ к возможностям ИИ на основе их потребностей и предпочтений, а также интеграцию с продуктами Майкрософт для максимальной эффективности. Microsoft Copilot — это ваш повседневный ИИ-помощник.
Microsoft Copilot Studio — средство с низким или отсутствием кода, которое позволяет пользователям легко интегрировать искусственный интеллект в любой продукт M365 или Power Platform, предлагая предварительно созданные и пользовательские модели ИИ и системы для таких задач, как обработка форм, обнаружение объектов, прогнозирование и многое другое.
Расширения Copilot — расширение copilot, настраивающее и расширяющее Microsoft Copilot с помощью пользовательских копилотов, предоставляющее новые действия и настраиваемые знания для заземления в Copilot. С помощью расширений Copilot пользователи могут получить интерфейс Microsoft Copilot, адаптированный к данным, системам и рабочим процессам, которые они используют каждый день. Подключаемые модули — тип расширения copilot. Корпорация Майкрософт определила новый манифест подключаемого модуля, который позволяет написать подключаемый модуль один раз и запустить его в любом месте на любой поверхности copilot. Подключаемые модули следует рассматривать как артефакт атомарного функционального расширения, который может быть составлен с любым другим расширением copilot.
Соединители Microsoft Copilot — это тип расширения Copilot для низкого уровня и отсутствия кода через Microsoft Copilot Studio. Соединители Copilot объединяют возможности и данные из соединителей Microsoft Graph, соединителей Power Platform и Microsoft Fabric.
Соединители Microsoft Graph — пользовательские или предварительно созданные соединители, предоставляемые ИТ-администраторами, которые индексирует данные из бизнес-объектов, локальных служб и служб SaaS в Microsoft Graph, где они могут расширить и расширить возможности интеллектуальных служб, таких как Microsoft Copilot, Search и ContextIQ, а также данные и содержимое M365.
Соединители Power Platform — соединители , позволяющие Microsoft Power Platform взаимодействовать с внешними источниками данных и службами.
Расширение сообщений Teams — функция Microsoft Teams, которая позволяет пользователям искать или инициировать действия в веб-службе или внешней системе с помощью простого элемента пользовательского интерфейса, называемого адаптивной карточкой. Все они теперь можно использовать в качестве подключаемых модулей.
Prompt — входные данные для модели генеративного ИИ, из которой создается вывод (часто называемый "ответом" или "завершением"). Обычно текст, но мультимодальные модели могут использовать текст, изображения, звук или их сочетание в качестве запроса.
Ответственный ИИ (RAI) — это набор норм и стандартов, которые корпорация Майкрософт стремится определить, чтобы помочь в продвижении безопасного и безопасного использования ИИ на благо общества в целом за счет управления, внутренней политики, возможностей, внешнего взаимодействия и лидерства в области мышления.
Базовая модель — модель ИИ, которая обучена на основе широких данных, поэтому ее можно применять в различных вариантах использования для поддержки таких задач, как обработка языка, визуальное понимание, создание текста, написание кода и многое другое. См. также: LLM, SLM.
Генеративный ИИ — форма ИИ, характеризующаяся способностью создавать содержимое на естественном языке или больше человеческого характера, предлагаемое подсказками ввода, включая прозу, стихи, музыку и изображения. GPT — класс базовых моделей, созданных OpenAI и размещенных в OpenAI и Azure. Последняя модель в этом классе — "GPT-4 Turbo".
Заземление — это процесс связывания абстрактных знаний в системах ИИ с конкретным реальным содержимым. Это повышает точность понимания агентом ИИ и взаимодействия с данными реального мира.
LLM (большие языковые модели) — генеративные модели ИИ, которые обучаются на большом массиве данных для создания ответов на запросы на естественном языке, как правило, с помощью чат-бота. См. также: Базовая модель.
LLMOps — упрощенный поток для комплексной разработки приложений на основе LLM от создания идей до ввода в эксплуатацию.
Low-Code — обычно включает графические и визуальные интерфейсы и минимальное кодирование, чтобы обеспечить быструю и доступную разработку приложений. В отличие от средств разработки кода, большинство базовых концепций и технологий, если не все, абстрагируются от пользовательского интерфейса.
MLOps — упрощенный поток для комплексной разработки приложения машинного обучения от создания идей до ввода в эксплуатацию. MLOps отличается от LLMOps в аудитории, фокусе и, в частности, в проблемах, вызванных требованиями и ресурсами обработки естественного языка. Pro-Code — включает в себя возможность глубокой настройки и контроля производительности модели и приложений. Это может включать в себя конфигурацию и возможности управления на основе графического интерфейса в дополнение к интерфейсу code first, требуя глубокого понимания базовых концепций и технологий. RAG — процесс , позволяющий моделям ИИ извлекать важную информацию из источника знаний и включать ее в созданный текст. Это платформа искусственного интеллекта для улучшения качества ответов, создаваемых моделями, путем создания модели на основе внешних источников знаний, чтобы дополнить ее внутреннее представление информации.