Часто задаваемые вопросы о возможностях ИИ в Dynamics 365

В этой статье приведены ответы на часто задаваемые вопросы о возможностях искусственного интеллекта в приложениях Dynamics 365.

Я не знаком с ИИ. С чего начать?

Начните с высокоуровневого видеоролика о том, как Copilot работает в Dynamics 365 и Power Platform. Вы узнаете, как Copilot защищает бизнес-данные и соответствует требованиям конфиденциальности, а также о том, как он использует генерируемый ИИ ответственно.

Как приложения Dynamics 365 используют ИИ?

Возможности искусственного интеллекта в Dynamics 365 используют исключительно службы Microsoft Azure. Мы выбрали облако Azure, так как службы Azure созданы в соответствии со стандартами ответственного искусственного интеллекта Майкрософт и с корпоративными средствами безопасности, конфиденциальности и соответствия требованиям, которые ожидают наши клиенты.

Как генерированный ИИ связан с предложениями Майкрософт в Azure?

Генерирующий ИИ — это тип искусственного интеллекта, который может создавать новое содержимое или данные для вас на основе входных данных или запроса. Например, генерирующий ИИ может писать текст, создавать изображения, создавать музыку или синтезировать речь. Корпорация Майкрософт предлагает ряд моделей и служб ИИ в Azure, таких как Azure Cognitive Services, Машинное обучение Azure и Служба Azure OpenAI. Служба Azure OpenAI — это тип генеративного ИИ, который позволяет использовать модели OpenAI, такие как GPT-4 и DALL-E, для выполнения различных задач и сценариев. Приложения Dynamics 365 используют Службу Azure OpenAI для предоставления возможностей создания ИИ для поддержки бизнес-пользователей в своей работе. Наши партнеры также могут интегрировать Службу Azure OpenAI в свои решения.

Дополнительные сведения см. в записи блога Инновации быстрее на основе генеративного ИИ в Azure OpenAI Service.

Как генеративный ИИ помогает предприятиям?

Термин генеративный ИИ звучит интригующе, но как предприятия могут использовать его, чтобы опередить конкурентов? Вот запись блога, которая предоставляет некоторые интересные примеры, которые могут вдохновить вас: Служба Azure OpenAI: десять способов создания искусственного интеллекта преобразовывает предприятия.

Вы также можете получить краткий обзор возможностей создания ИИ в приложениях Dynamics 365 в Microsoft Copilot в Dynamics 365.

Подсказка

Следующие два раздела предназначены для организаций, которые хотят предоставлять генерированный ИИ сами, то есть не люди, которые хотят использовать возможности создания ИИ, встроенные в приложения Dynamics 365. Если вы являетесь бизнес-пользователем, перейдите к одному из других разделов. Используйте ссылки в разделе "В этой статье " в верхней части статьи, чтобы найти нужную тему.

Как получить доступ к Службе OpenAI Azure и выбрать и развернуть модели ИИ?

Чтобы получить доступ к службе Azure OpenAI, у вас должна быть подписка Azure и учетная запись службы Azure OpenAI. Вы можете зарегистрироваться для обоих через портал Azure. Учетная запись позволяет создать ресурс Службы OpenAI Azure и получить ключ API, который можно использовать для доступа к моделям службы OpenAI Azure. Вы можете выбрать различные модели для различных доменов и целей. Например, создание текста, анализ текста, создание изображений, анализ изображений и диалоговый ИИ.

Вы можете настраивать, обучать и развертывать модели, предоставляя собственные данные и параметры. Тем не менее, обычно можно пропустить этот дорогостоящий и длительный процесс. Модель службы Azure OpenAI уже обучена на больших объемах данных.

В следующей таблице представлен обзор задач и ресурсов.

Что	Where	Подробнее
Получение подписки Azure. Зарегистрируйтесь в платном плане или начните бесплатно.	azure.microsoft.com
Запросите доступ к службе Azure OpenAI для вашей подписки. В настоящее время доступ к этой службе предоставляется только через подачу заявки на доступ.	https://aka.ms/OAIapply	Что такое Служба Azure OpenAI?
Получение разрешений для учетной записи для создания ресурсов Azure OpenAI и развертывания моделей.	Портал Azure	Управление доступом на основе ролей для Службы Azure OpenAI
Создайте ресурс Службы Azure OpenAI и разверните модель.	Портал Azure и портал Azure AI Foundry	Создание и развертывание ресурса Службы OpenAI Azure

После выполнения этого шага можно начать разработку интерфейса Copilot, который требует следующей информации о ресурсе и развернутой модели:

Что	Расположение
Ключ и конечная точка API Azure OpenAI (URL-адрес)	Страница "Ключи" и "Конечная точка " ресурса на портале Azure.
Имя развертывания для модели	Страница развертывания на портале Azure AI Foundry.

Сколько это стоит, и есть ли средства для прогнозирования и измерения затрат?

Стоимость использования Службы Azure OpenAI зависит от типа и объема используемых ресурсов, которые в свою очередь зависят от модели. Вы можете использовать калькулятор цен Azure для оценки стоимости использования Службы Azure OpenAI на основе ожидаемого использования и конфигурации.

Так как функции ИИ подключены к ключу службы Azure OpenAI, вы несете ответственность за операционные расходы на ресурсы Azure OpenAI во время разработки и тестирования. Вы остаетесь ответственными, если ваши клиенты используют эту функцию в рабочих или тестовых средах. Например, функция искусственного интеллекта, которая предоставляет несколько ежемесячных предложений владельцам компаний, вероятно, потребляет меньше ресурсов и стоит дешевле. В отличие от этого, функция ИИ, которая создает ежедневную двухстраничные сводки проекта для каждого сотрудника, вероятно, потребляет больше ресурсов и затрат.

При необходимости используйте средства управления затратами и выставления счетов Майкрософт для мониторинга и контроля расходов на службе Azure OpenAI. Вы можете задать бюджеты, оповещения и политики для отслеживания и оптимизации затрат. Вы также можете просматривать и скачивать подробные отчеты и счета, которые показывают использование и расходы.

Узнайте больше о том, сколько стоит служба Azure OpenAI и какие инструменты позволяют прогнозировать и измерять затраты на Azure OpenAI Service.

Есть ли плюсы и минусы для использования популярных моделей?

Популярные модели, доступные в службе Azure OpenAI сегодня, — GPT-4 и DALL-E. GPT-4 — это масштабируемая языковая модель, которая может создавать естественный и последовательный текст для различных задач и доменов, таких как сводка, перевод, ответы на вопросы и создание контента. DALL-E — это масштабируемая модель изображений, которая может создавать реалистичные и разнообразные изображения из текстовых или графических запросов, таких как рисунки, логотипы, значки и сцены.

Обе модели хорошо создают высококачественные и соответствующие выходные данные, которые могут повысить эффективность приложений и рабочих процессов. Однако обе модели также имеют некоторые ограничения и проблемы, о которых следует знать. Например, модели могут не всегда создавать точные или фактические выходные данные, уважать этические и социальные нормы, или защищать конфиденциальность и безопасность данных.

Чтобы узнать больше о том, в чем популярные модели хорошо подходят или в чем у них меньше успехов, перейдите к моделям Службы Azure OpenAI.

Каковы подводные камни и лучшие практики для запросов?

Запрос — это входные данные, предоставляемые модели для создания выходных данных. Запрос может быть текстом, изображением или сочетанием обоих. Способ написания запроса может повлиять на качество и релевантность выходных данных. Поэтому при написании запросов важно следовать некоторым рекомендациям и передовым практикам. Вот некоторые ошибки и лучшие практики.

• Будьте ясными и конкретными в том, что вы хотите, чтобы модель выполняла, и какой тип выходных данных вы ожидаете.
• Укажите достаточно контекста и информации для модели, чтобы понять задачу и домен.
• Используйте примеры, ключевые слова и форматирование, чтобы управлять моделью и ограничивать выходные данные.
• Избегайте неоднозначных, расплывчатых или вводящих в заблуждение подсказок, которые могут запутать модель или привести к нежелательным выходным данным.
• Проверьте и оцените выходные данные в различных запросах и сценариях для проверки производительности и надежности модели.
• Просмотрите и проверьте выходные данные для точности, релевантности, качества и этики перед их использованием в приложениях или рабочих процессах.

Узнайте больше о том, как писать эффективные запросы, а также о подводных камнях и лучших практиках в книге Искусство запроса: Как получить максимум от генеративных ИИ.

Как управлять результатами выполнения запросов и неопределенностью?

Выходные данные, создаваемые моделью, не всегда являются идеальными или предсказуемыми. Модели могут создавать выходные данные, которые являются неточными, неуместными, неполными, несогласованными или даже неуместными. Поэтому вам нужна стратегия управления выходными данными и обработки неопределенности.

• Используйте параметры и настройки модели для управления форматом выходных данных, длиной и разнообразием.
• Используйте метрики и оценки модели для измерения качества выходных данных, достоверности и сходства.
• Используйте отзывы и журналы модели для мониторинга и повышения производительности выходных данных и надежности.
• Используйте фильтры и средства защиты модели, чтобы предотвратить и обнаружить ошибки вывода и проблемы.
• Используйте человеческую проверку, чтобы проверить и исправить выходные данные и результаты.

Дополнительные сведения об управлении выходными данными и неопределенностью см. в руководстве по управлению моделями Azure OpenAI. Дополнительные сведения о запросах Copilot см. в сведениях о запросах Copilot.