Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Den här artikeln innehåller svar på vanliga frågor om AI-funktioner i Dynamics 365-appar.
Jag är nybörjare på AI. Var ska jag börja?
Börja med en videoöversikt på hög nivå över hur Copilot fungerar i Dynamics 365 och Power Platform. Du får lära dig hur Copilot håller dina affärsdata säkra och följer sekretesskraven och hur de använder generativ AI på ett ansvarsfullt sätt.
Hur använder Dynamics 365-appar AI?
AI-funktioner i Dynamics 365 använder uteslutande Microsoft Azure-tjänster. Vi valde Azure-molnet eftersom Azure-tjänsterna är byggda enligt Microsofts ansvarsfulla AI-standarder och med de säkerhets-, sekretess- och efterlevnadskontroller för företag som våra kunder förväntar sig.
Hur relaterar generativ AI till vad Microsoft erbjuder i Azure?
Generativ AI är en typ av artificiell intelligens som kan skapa nytt innehåll eller data åt dig baserat på dina indata eller frågor. Generativ AI kan till exempel skriva text, generera bilder, skriva musik eller syntetisera tal. Microsoft erbjuder en rad AI-modeller och tjänster i Azure, till exempel Azure Cognitive Services, Azure Machine Learning och Azure OpenAI Service. Azure OpenAI Service är en smak av generativ AI som gör att du kan komma åt och använda OpenAI-modeller, till exempel GPT-4 och DALL-E, för olika uppgifter och scenarier. Dynamics 365-appar använder Azure OpenAI Service för att tillhandahålla generativa AI-funktioner för att hjälpa företagsanvändare i deras arbete. Våra partner kan också integrera Azure OpenAI Service i sina lösningar.
Läs mer i blogginlägget på Innovera snabbare med generativ AI på Azure OpenAI Service.
Hur kan generativ AI hjälpa företag?
Termen generativ AI låter spännande, men hur kan företag använda den för att komma framåt? Här är ett blogginlägg som innehåller några intressanta exempel som kan inspirera dig: Azure OpenAI Service: Tio sätt generativ AI omvandlar företag.
Du kan också få en snabb översikt över generativa AI-funktioner i Dynamics 365-appar på Microsoft Copilot i Dynamics 365.
Tips/Råd
De kommande två avsnitten är avsedda för organisationer som själva vill leverera generativ AI, vilket innebär att inte personer som vill använda de generativa AI-funktionerna som är inbyggda i Dynamics 365-appar. Om du är företagsanvändare kan du gå till något av de andra avsnitten – använd länkarna i avsnittet I den här artikeln längst upp för att hitta rätt ämne åt dig.
Hur får jag åtkomst till Azure OpenAI Service och väljer och distribuerar AI-modeller?
För att få åtkomst till Azure OpenAI Service måste du ha en Azure-prenumeration och ett Azure OpenAI-tjänstkonto. Du kan registrera dig för båda på Azure-portalen. Med ditt konto kan du skapa en Azure OpenAI Service-resurs och hämta en API-nyckel som du kan använda för att komma åt Azure OpenAI-tjänstmodellerna. Du kan välja mellan olika modeller för olika domäner och syften. Till exempel textgenerering, textanalys, bildgenerering, bildanalys och konversations-AI.
Du kan anpassa, träna och distribuera modeller genom att tillhandahålla egna data och parametrar. Du kan dock vanligtvis hoppa över den dyra och tidskrävande processen. Azure OpenAI Service-modellen tränas redan på stora mängder data.
Följande tabell innehåller en översikt över uppgifter och resurser.
| What | Där | Lära sig mer |
|---|---|---|
| Skaffa en Azure-prenumeration. Registrera dig för en betald plan eller börja kostnadsfritt. | azure.microsoft.com | |
| Begär åtkomst till Azure OpenAI Service för din prenumeration. För närvarande beviljas åtkomst till den här tjänsten endast genom att ansöka om åtkomst. | https://aka.ms/OAIapply | Vad är Azure OpenAI-tjänsten? |
| Få behörigheter för ditt konto för att skapa Azure OpenAI-resurser och distribuera modeller. | Azure Portal | Rollbaserad åtkomstkontroll för Azure OpenAI-tjänsten |
| Skapa Azure OpenAI Service-resurs och distribuera en modell. | Azure-portalen/ och Azure AI Foundry-portalen | Skapa och distribuera en Azure OpenAI Service-resurs |
När du har slutfört det här steget kan du börja utveckla din Copilot-upplevelse, vilket kräver följande information om resursen och den distribuerade modellen:
| What | Var du hittar den |
|---|---|
| Azure OpenAI API-nyckel och slutpunkt (URL) | Nycklar och slutpunktssida för resursen i Azure-portalen. |
| Distributionsnamn för modellen | sidan Deployments i Azure AI Foundry-portalen. |
Hur mycket kostar den här kostnaden och finns det verktyg för att förutsäga och mäta kostnader?
Kostnaden för att använda Azure OpenAI Service beror på vilken typ och mängd resurser du använder, vilket i sin tur beror på modellen. Du kan använda Priskalkylatorn för Azure för att beräkna kostnaden för att använda Azure OpenAI Service baserat på din förväntade användning och konfiguration.
Eftersom dina AI-funktioner är kopplade till din Azure OpenAI-tjänstnyckel ansvarar du för driftskostnaderna för Azure OpenAI-resurser under utveckling och testning. Du förblir ansvarig när dina kunder använder funktionen i produktions- eller sandbox-miljöer. En AI-funktion som till exempel ger en handfull månatliga förslag till företagare förbrukar sannolikt färre resurser och kostnader mindre. Däremot förbrukar en AI-funktion som genererar en daglig, tvåsidig projektsammanfattning för varje anställd förmodligen mer resurser och kostnader mer.
Du kan också använda verktygen Microsoft Cost Management och Billing för att övervaka och kontrollera dina utgifter för Azure OpenAI Service. Du kan ange budgetar, aviseringar och principer för att spåra och optimera dina kostnader. Du kan också visa och ladda ned detaljerade rapporter och fakturor som visar din användning och dina avgifter.
Läs mer om hur mycket Azure OpenAI Service kostar och vilka verktyg som finns för att förutsäga/mäta kostnader på Azure OpenAI Service prissättning.
Finns det för- och nackdelar med att använda de populära modellerna?
De populära modellerna som är tillgängliga i Azure OpenAI Service idag är GPT-4 och DALL-E. GPT-4 är en storskalig språkmodell som kan generera naturlig och sammanhängande text för olika uppgifter och domäner, till exempel sammanfattning, översättning, frågesvar och skapande av innehåll. DALL-E är en storskalig bildmodell som kan generera realistiska och olika bilder från text- eller bildprompter, till exempel ritningar, logotyper, ikoner och scener.
Båda modellerna är bra på att producera högkvalitativa och relevanta utdata som kan förbättra dina program och arbetsflöden. Båda modellerna har dock också vissa begränsningar och utmaningar som du bör känna till. Modellerna kanske till exempel inte alltid genererar korrekta eller faktiska utdata, respekterar etiska och sociala normer eller skyddar datasekretessen och säkerheten.
Om du vill veta mer om vad de populära modellerna är bra på eller mindre bra på går du till Azure OpenAI Service-modeller.
Vilka är fallgropar och bästa praxis för kommandon?
En uppmaning är det indata du ger modellen för att generera utdata. En fråga kan vara text, bild eller en kombination av båda. Hur du skriver en fråga kan påverka kvaliteten och relevansen för utdata. Därför är det viktigt att följa vissa riktlinjer och metodtips när du skriver frågor. Några av fallgroparna och metodtipsen är:
- Var tydlig och specifik om vad du vill att modellen ska göra och vilken typ av utdata du förväntar dig.
- Ange tillräckligt med kontext och information för modellen för att förstå uppgiften och domänen.
- Använd exempel, nyckelord och formatering för att vägleda modellen och begränsa utdata.
- Undvik tvetydiga, vaga eller vilseledande uppmaningar som kan förvirra modellen eller leda till oönskade utdata.
- Testa och utvärdera utdata i olika frågor och scenarier för att kontrollera modellens prestanda och tillförlitlighet.
- Granska och verifiera utdata för noggrannhet, relevans, kvalitet och etik innan du använder dem i dina program eller arbetsflöden.
Lär dig mer om hur du skriver effektiva frågor och vilka fallgropar och bästa praxis är, i The art of the prompt: How to get the best out of generative AI (Information om hur du får ut det bästa av generativ AI).
Hur kan jag hantera promptutdata och osäkerhet?
De utdata som modellen genererar är inte alltid perfekta eller förutsägbara. Modeller kan generera utdata som är felaktiga, irrelevanta, ofullständiga, inkonsekventa eller till och med olämpliga. Därför behöver du en strategi för att hantera utdata och hantera osäkerhet.
- Använd modellparametrarna och inställningarna för att styra utdataformat, längd och mångfald.
- Använd modellmåtten och poängen för att mäta utdatakvaliteten, konfidensen och likheten.
- Använd modellens feedback och loggar för att övervaka och förbättra utdataprestanda och tillförlitlighet.
- Använd modellens filter och skyddsåtgärder om du vill förhindra och upptäcka fel och problem i utdata.
- Använd mänsklig granskning för att verifiera och korrigera utdataresultaten.
Läs mer om hur du hanterar utdata och osäkerhet i How To Control Azure OpenAI Models (Så här styr du Azure OpenAI-modeller). Läs mer om Copilot uppmaningar på Läs om Copilot uppmaningar.