Beskyttelse af personlige oplysninger, sikkerhed og ansvarlig brug af Copilot til datavidenskab
I denne artikel kan du få mere at vide om, hvordan Microsoft Copilot for Data Science- fungerer, hvordan det holder dine forretningsdata sikre og overholder kravene til beskyttelse af personlige oplysninger, og hvordan du bruger generativ AI på en ansvarlig måde. Du kan få en oversigt over disse emner for Copilot i Fabric under Beskyttelse af personlige oplysninger, sikkerhed og ansvarlig brug af Copilot (prøveversion).
Med Copilot til datavidenskab i Microsoft Fabric og andre generative AI-funktioner som prøveversion giver Microsoft Fabric en ny måde at transformere og analysere data, generere indsigt og oprette visualiseringer og rapporter i Data Science og de andre arbejdsbelastninger.
Du kan se overvejelser og begrænsninger under Begrænsninger.
Dataanvendelse af Copilot til datavidenskab
I notesbøger kan Copilot kun få adgang til data, der er tilgængelige for brugerens aktuelle notesbog, enten i et tilknyttet lakehouse eller direkte indlæst eller importeret til denne notesbog af brugeren. I notesbøger kan Copilot ikke få adgang til data, der ikke er tilgængelige for notesbogen.
Copilot har som standard adgang til følgende datatyper:
- Tidligere meddelelser, der er sendt til og svar fra Copilot for den pågældende bruger i den pågældende session.
- Indholdet af celler, som brugeren har udført.
- Output af celler, som brugeren har udført.
- Skemaer over datakilder i notesbogen.
- Eksempeldata fra datakilder i notesbogen.
- Skemaer fra eksterne datakilder i et tilknyttet lakehouse.
Evaluering af Copilot til datavidenskab
- Produktteamet har testet Copilot for at se, hvor godt systemet klarer sig i forbindelse med notesbøger, og om AI-svar er indsigtsfulde og nyttige.
- Teamet investerede også i yderligere afhjælpninger af skader, herunder teknologiske tilgange til at fokusere Copilot's output på emner relateret til datavidenskab.
Tip til at arbejde med Copilot til datavidenskab
- Copilot er bedst rustet til at håndtere datavidenskabsemner, så begræns dine spørgsmål til dette område.
- Vær eksplicit om de data, du vil Copilot undersøge. Hvis du beskriver dataaktivet, f.eks. navngivning af filer, tabeller eller kolonner, er Copilot mere tilbøjelige til at hente relevante data og generere nyttige output.
- Hvis du vil have mere detaljerede svar, kan du prøve at indlæse data i notesbogen som DataFrames eller fastgøre dataene i dit lakehouse. Dette giver Copilot mere kontekst at udføre analysen med. Hvis et aktiv er for stort til at blive indlæst, er det et nyttigt alternativ at fastgøre det.
AI-færdigheder: Ofte stillede spørgsmål om ansvarlig AI
Hvad er AI-færdigheder?
AI Skill er et nyt værktøj i Fabric, der giver dig mulighed for at få svar fra dine tabeldata på et naturligt sprog.
Hvad kan AI-færdigheder gøre?
En dataanalytiker eller tekniker kan forberede AI-færdigheder til brug for ikke-tekniske virksomhedsbrugere. De skal konfigurere Fabric-datakilden og kan eventuelt angive yderligere kontekstoplysninger, der ikke er indlysende fra skemaet.
Ikke-tekniske brugere kan derefter skrive spørgsmål og modtage resultaterne fra udførelsen af en AI-genereret SQL-forespørgsel.
Hvad er/er AI-færdigheds tilsigtede anvendelse(er)?
Erhvervsbrugere, der ikke kender til, hvordan dataene er struktureret, kan stille beskrivende spørgsmål, f.eks. "Hvad er de ti vigtigste produkter efter salgsvolumen sidste måned?" oven på tabeldata, der er gemt i Fabric Lakehouses og Fabric Warehouses.
AI-færdigheder er ikke beregnet til brug i tilfælde, hvor deterministiske og 100% nøjagtige resultater er påkrævet, hvilket afspejler de aktuelle LLM-begrænsninger.
AI-færdigheden er ikke beregnet til brugssager, der kræver dyb analyse eller årsagsanalyse. F.eks. spørge "hvorfor gik vores salgsnumre ned i sidste måned?" er uden for området.
Hvordan blev AI-færdighed evalueret? Hvilke målepunkter bruges til at måle ydeevnen?
Produktteamet har testet AI-færdighederne på en række offentlige og private benchmarks for SQL-opgaver for at fastslå kvaliteten af SQL-forespørgsler.
Teamet investerede også i yderligere afhjælpninger af skader, herunder teknologiske tilgange til at fokusere AI-færdighedens output på konteksten af de valgte datakilder.
Hvad er begrænsningerne ved AI-færdigheder? Hvordan kan brugerne minimere virkningen af AI Skill's begrænsninger, når systemet bruges?
Sørg for, at kolonnenavnene er beskrivende. I stedet for at bruge kolonnenavne som "C1" eller "ActCu" skal du bruge "ActiveCustomer" eller "IsCustomerActive". Dette er den mest effektive måde at få mere pålidelige forespørgsler ud af AI'en på.
Brug noter til modellen i konfigurationspanelet i brugergrænsefladen. Hvis de SQL-forespørgsler, som AI-færdigheden genererer, er forkerte, kan du angive instruktioner til modellen på almindeligt engelsk for at forbedre fremtidige forespørgsler. Systemet bruger disse instruktioner for hver forespørgsel. Korte og direkte instruktioner er bedst.
Angiv eksempler i konfigurationspanelet for modellen i brugergrænsefladen. Systemet vil udnytte de mest relevante eksempler, når det giver svar.
Hvilke driftsmæssige faktorer og indstillinger muliggør effektiv og ansvarlig brug af AI-færdigheder?
AI-færdighederne har kun adgang til de data, du angiver. Det gør brug af skemaet (tabelnavn og kolonnenavn) samt noter til modellen og eksempler, som du angiver i brugergrænsefladen.
AI-færdighederne har kun adgang til data, som spørgeren har adgang til. Hvis du bruger AI-færdighederne, bruges dine legitimationsoplysninger til at få adgang til den underliggende database. Hvis du ikke har adgang til de underliggende data, gør AI-færdighederne heller ikke. Dette gælder, når du publicerer AI-færdigheden på andre destinationer, f.eks. Copilot til Microsoft 365 eller Microsoft Copilot Studio, hvor AI-færdighederne kan bruges af andre stillere.