Doporučení pro výběr prostředků pro úlohy AI v Azure
Tento článek nabízí doporučení pro výběr prostředků pro organizace, na kterých běží úlohy AI v Azure. Zaměřuje se na řešení Azure AI platforma jako služba (PaaS), včetně Azure AI Studia, Azure OpenAI, Azure Machine Learning a služeb Azure AI. Zahrnuje úlohy generující i negenerativní umělé inteligence.
Informované volby prostředků AI umožňují organizacím dosáhnout lepšího výkonu, škálovatelnosti a nákladově efektivity při správě úloh AI. Následující tabulka obsahuje přehled primárních řešení Azure AI PaaS a důležitých rozhodovacích kritérií.
| Platforma AI | Typ AI | Popis | Požadované dovednosti |
|---|---|---|---|
| Azure OpenAI | Generativní AI | Platforma pro přístup k modelům OpenAI | Dovednosti vývojářů a datových věd |
| Azure AI Studio | Generativní AI | Platforma pro přípravu výzvy a nasazení koncových bodů generující AI | Dovednosti vývojářů a datových věd |
| Služby Azure AI | Analytická AI | Platforma pro využívání předem připravených modelů strojového učení | Dovednosti vývojářů |
| Azure Machine Learning | Strojové učení | Platforma pro trénování a nasazování modelů strojového učení | Dovednosti vývojářů a pokročilé dovednosti v oblasti datových věd |
Výběr prostředků pro generování úloh umělé inteligence
Generování umělé inteligence vyžaduje kombinaci různých prostředků ke zpracování a generování smysluplných výstupů na základě vstupních dat. Správný výběr zajišťuje, aby generování aplikací umělé inteligence, jako jsou aplikace využívající načítání rozšířené generace (RAG), poskytovaly přesné základy modelů AI.
V typické úloze RAG (1) úloha obdrží uživatelský dotaz. (2) Orchestrátor, například tok výzvy, sémantické jádro nebo LangChain, spravuje tok dat. (3) Mechanismus vyhledávání a načítání najde příslušná (4) podkladová data, která se mají odeslat do koncového bodu generující umělé inteligence. (5) Koncový bod generujícího modelu AI vygeneruje odpověď na základě uživatelských dotazů a podkladových dat. K vytváření generativních úloh RAG použijte následující doporučení jako architekturu.
Zvolte platformu generující umělé inteligence. K nasazení a správě modelů generující AI použijte Azure OpenAI nebo Azure AI Studio. Služba Azure OpenAI poskytuje přístup k privátním sítím modelů OpenAI a filtrování obsahu. Azure AI Studio nabízí platformu první kód pro vývoj úloh AI. Obsahuje integrované nástroje pro sestavování a nasazování aplikací. Obsahuje také velký katalog modelů, tok výzvy, vyladění, bezpečnostní filtry obsahu a další.
Zvolte odpovídající typ výpočetního prostředí AI. Azure AI Studio vyžaduje výpočetní instance pro tok výzvy , vytváření indexů a otevření editoru Visual Studio Code (web nebo desktop) v rámci studia. Vyberte typ výpočetních prostředků na základě vašich požadavků na výkon a rozpočet.
Vyberte orchestrátora. Mezi oblíbené orchestrátory pro generující AI patří sémantické jádro, tok příkazového řádku a LangChain. Sémantické jádro se integruje se službami Azure. LangChain poskytuje rozšiřitelnost nad rámec ekosystému Microsoftu.
Vyberte mechanismus vyhledávání a načítání znalostí. Pro zemem generující modely AI vytvořte indexovou nebo vektorovou databázi pro relevantní načtení dat. Azure AI Search slouží k vytváření tradičních a vektorových indexů z různých zdrojů dat, použití bloků dat a použití více typů dotazů. Pokud se vaše data nacházejí ve strukturovaných databázích, zvažte použití služby Azure Cosmos DB, Azure Database for PostgreSQL a Azure Cache for Redis.
Zvolte zdroj dat pro uzemnění dat. V případě obrázků, zvuku, videa nebo velkých datových sad ukládejte podkladová data ve službě Azure Blob Storage. Případně můžete použít databáze podporované službou Azure AI Search nebo vektorové databáze.
Vyberte výpočetní platformu. Pomocí rozhodovacího stromu výpočetních prostředků Azure vyberte správnou platformu pro vaši úlohu.
Výběr prostředků pro negenerativní úlohy AI
Negenerativní úlohy umělé inteligence využívají platformy, výpočetní prostředky, zdroje dat a nástroje pro zpracování dat, které podporují úlohy strojového učení. Výběr správných prostředků umožňuje vytvářet úlohy AI pomocí předem připravených i vlastních řešení.
V negenerativní úloze AI (1) úloha ingestuje data. (2) Volitelný mechanismus zpracování dat extrahuje nebo manipuluje s příchozími daty. (3) Koncový bod modelu AI analyzuje data. (4) Data podporují trénování nebo vyladění modelů AI. Následující doporučení použijte jako architekturu k vytváření negenerativních úloh AI.
Zvolte negenerativní platformu AI. Služby Azure AI nabízejí předem připravené modely AI, které nevyžadují dovednosti datových věd. Pokyny k výběru správné služby Azure AI najdete v tématu Volba technologie služeb Azure AI. Azure Machine Learning poskytuje platformu pro vytváření modelů strojového učení s vlastními daty a jejich využívání v úlohách AI.
Zvolte vhodné výpočetní prostředky AI. Pro Azure Machine Learning potřebujete výpočetní prostředky ke spuštění úlohy nebo hostování koncového bodu. Použijte typ výpočetních prostředků, který splňuje vaše požadavky na výkon a rozpočet. Služby Azure AI nevyžadují výpočetní prostředky.
Vyberte zdroj dat. Pro Azure Machine Learning použijte jeden z podporovaných zdrojů dat k hostování trénovacích dat. U služeb Azure AI mnoho služeb nevyžaduje jemně vyladěná data a některé, jako je Azure AI Custom Vision, poskytují možnost nahrát místní soubory do řešení spravovaného úložiště dat.
Vyberte výpočetní platformu. Pomocí rozhodovacího stromu výpočetních prostředků Azure vyberte správnou platformu úloh.
Vyberte službu zpracování dat (volitelné). Azure Functions je běžná volba zpracování dat, protože nabízí možnost bez serveru. Azure Event Grid je také běžný aktivační mechanismus pro spuštění kanálu zpracování dat.