Opprette en AI-ferdighet (forhåndsversjon)
Med en Microsoft Fabric AI-ferdighet kan du opprette diskusjonsbaserte AI-opplevelser som svarer på spørsmål om data som er lagret i lakehouses, varehus, Semantiske Power BI-modeller og KQL-databaser i Fabric. Datainnsiktene blir tilgjengelige. Kollegene dine kan stille spørsmål på vanlig engelsk og motta datadrevne svar, selv om de ikke er AI-eksperter eller dypt kjent med dataene.
Viktig
Denne funksjonen er i forhåndsvisning.
Forutsetning
- A betalt F64 eller høyere fabric kapasitet ressurs
- Ai kompetanse leier bryteren er aktivert.
- Bryter for Copilot-leier er aktivert.
- kryss-geo-behandling for AI- er aktivert.
- kryss-geo lagring for AI- er aktivert.
- Et lager, lakehouse, Semantiske Power BI-modeller og KQL-databaser med data.
- Power BI-semantiske modeller via XMLA-endepunkter-leierbryteren er aktivert for datakilder for semantisk power BI-semantisk modell.
Ende-til-ende-flyt for å opprette og bruke kunstig intelligens-ferdigheter i Fabric
Denne delen beskriver de viktigste trinnene for å opprette, validere og dele en ai-ferdighet i Fabric, noe som gjør den tilgjengelig for forbruk.
Prosessen er enkel, og du kan begynne å teste kompetanseressursene for kunstig intelligens på få minutter.
Opprett en ny ai-ferdighet
Hvis du vil opprette en ny ai-ferdighet, går du først til arbeidsområdet og velger deretter knappen + Nytt element. Søk etter AI-ferdigheter i kategorien Alle elementer for å finne det riktige alternativet, som vist i dette skjermbildet:
Når du er valgt, blir du bedt om å oppgi et navn for AI-ferdighetene dine, som vist i dette skjermbildet:
Se det angitte skjermbildet for en visuell veiledning om navngivning av ai-ferdigheten. Når du har angitt navnet, fortsetter du med konfigurasjonen for å justere ai-ferdigheten med dine spesifikke krav.
Velg dataene dine
Når du har opprettet en ai-ferdighet, kan du legge til opptil fem datakilder, inkludert lakehouses, warehouses, Power BI semantic models og KQL-databaser i en hvilken som helst kombinasjon. Du kan for eksempel legge til fem semantiske Power BI-modeller, eller to semantiske Power BI-modeller, én lakehouse og én KQL-database.
Når du oppretter en AI-ferdighet for første gang og oppgir et navn, vises OneLake-katalogen automatisk, slik at du kan legge til datakilder. Hvis du vil legge til en datakilde, velger du den fra katalogen som vist på neste skjermbilde, og deretter velger du Legg til. Hver datakilde må legges til enkeltvis. Du kan for eksempel legge til et lakehouse, velge Legg til, og deretter fortsette å legge til en annen datakilde. Hvis du vil filtrere datakildetypene, velger du filterikonet og velger ønsket type. Du kan bare vise datakildene for den valgte typen, noe som gjør det enklere å finne og koble til de aktuelle kildene for ai-ferdighetene dine.
Når du legger til datakilden, fylles Explorer- i den venstre ruten på kompetansesiden for kunstig intelligens ut med de tilgjengelige tabellene i hver valgte datakilde, der du kan bruke avmerkingsboksene til å gjøre tabeller tilgjengelige eller utilgjengelige for kunstig intelligens som vist i følgende skjermbilde:
Merk
Du trenger lese-/skrivetillatelse for å legge til en Semantisk Power BI-modell som datakilde i ai-kompetansen.
Hvis du vil ha etterfølgende tillegg av datakilder, går du til Explorer- i den venstre ruten på kompetansesiden for kunstig intelligens, og velger + datakilde, som vist i dette skjermbildet:
OneLake-katalogen åpnes på nytt, og du kan sømløst legge til flere datakilder etter behov.
Tips
Pass på å bruke beskrivende navn for både tabeller og kolonner. En tabell med navnet SalesData er mer meningsfylt enn TableA, og kolonnenavn som ActiveCustomer eller IsCustomerActive er klarere enn C1 eller ActCu. Beskrivende navn hjelper AI med å generere mer nøyaktige og pålitelige spørringer.
Still spørsmål
Når du har lagt til datakildene og valgt de relevante tabellene for hver datakilde, kan du begynne å stille spørsmål. Systemet håndterer spørsmål som vist i dette skjermbildet:
Spørsmål som ligner på disse eksemplene, bør også fungere:
- "Hva var vårt totale salg i California i 2023?"
- «Hva er de fem beste produktene med de høyeste listeprisene, og hva er kategoriene deres?»
- "Hva er de dyreste varene som aldri har blitt solgt?"
Spørsmål av disse typene er egnet fordi systemet kan oversette dem til strukturerte spørringer (T-SQL, DAX eller KQL), kjøre dem mot databaser og deretter returnere konkrete svar basert på lagrede data.
Men på samme måte som disse er utenfor omfanget:
- "Hvorfor er fabrikkproduktiviteten lavere i 2. kvartal 2024?"
- "Hva er årsaken til salgsøkningen?"
Disse spørsmålene er for øyeblikket utenfor omfanget fordi de krever komplisert resonnement, korrelasjonsanalyse eller eksterne faktorer som ikke er direkte tilgjengelige i databasen. Ai-ferdigheten utfører for øyeblikket ikke avansert analyse, maskinlæring eller årsakssammenheng. Den henter og behandler ganske enkelt strukturerte data basert på brukerens spørring.
Når du stiller et spørsmål, bruker AI-ferdigheten Azure OpenAI Assistant API-en til å behandle forespørselen. Flyten fungerer på denne måten:
Skjematilgang med brukerlegitimasjon
Systemet bruker først legitimasjonen til brukeren for å få tilgang til skjemaet til datakilden (for eksempel lakehouse, warehouse, PBI semantic model eller KQL databaser). Dette sikrer at systemet henter datastrukturinformasjon som brukeren har tillatelse til å vise.
Konstruere ledeteksten
Hvis du vil tolke brukerens spørsmål, kombinerer systemet:
- Brukerspørring: Det naturlige språkspørsmålet fra brukeren.
- Skjemainformasjon: Metadata og strukturelle detaljer for datakilden som ble hentet i forrige trinn.
- Eksempler og instruksjoner: Eventuelle forhåndsdefinerte eksempler (for eksempel eksempel spørsmål og svar) eller spesifikke instruksjoner som gis når du konfigurerer ai-ferdigheten. Disse eksemplene og instruksjonene bidrar til å begrense AI-ens forståelse av spørsmålet, og veilede hvordan KUNSTIG INTELLIGENS samhandler med dataene.
All denne informasjonen brukes til å konstruere en ledetekst. Denne ledeteksten fungerer som en inndata til Azure OpenAI Assistant API, som fungerer som en agent som ligger til grunn for AI-ferdigheten. Dette instruerer i hovedsak ai-ferdigheten om hvordan du behandler spørringen, og hvilken type svar som skal produseres.
Verktøyaktivering basert på spørringsbehov
Agenten analyserer den konstruerte ledeteksten, og bestemmer hvilket verktøy som skal aktiveres for å hente svaret:
- Naturlig språk for SQL (NL2SQL): Brukes til å generere SQL-spørringer når dataene befinner seg i et lakehouse eller lager
- Naturlig språk for DAX (NL2DAX): Brukes til å opprette DAX-spørringer for å samhandle med semantiske modeller i Power BI-datakilder
- Naturlig språk til KQL (NL2KQL): Brukes til å konstruere KQL-spørringer for å spørre etter data i KQL-databaser
Det valgte verktøyet genererer en spørring ved hjelp av skjemaet, metadataene og konteksten som agenten underliggende ai-ferdigheten gir. Deretter validerer verktøyet spørringen, for å sikre riktig formatering og samsvar med sikkerhetsprotokollene og sine egne policyer for ansvarlig kunstig intelligens (RAI).
Responskonstruksjon
Agenten underliggende AI-ferdigheten utfører spørringen og sikrer at svaret er strukturert og formatert på riktig måte. Agenten inkluderer ofte ekstra kontekst for å gjøre svaret brukervennlig. Til slutt vises svaret til brukeren i et samtalegrensesnitt, som vist i følgende skjermbilde:
Agenten presenterer både resultatet og de mellomliggende trinnene som AI-ferdigheter tok for å hente det endelige svaret. Denne tilnærmingen forbedrer gjennomsiktighet og tillater validering av disse trinnene, om nødvendig. Brukere kan utvide rullegardinlisten for trinnene for å vise alle trinnene ai-ferdigheten tok for å hente svaret, som vist i følgende skjermbilde:
Ai-ferdigheten gir i tillegg den genererte koden som brukes til å spørre den tilsvarende datakilden, og gir ytterligere innsikt i hvordan svaret ble konstruert.
Disse spørringene er utformet utelukkende for spørring av data. Operasjoner som involverer
- dataoppretting
- dataoppdateringer
- dataslettinger
- alle typer dataendringer
er ikke tillatt, for å beskytte integriteten til dataene dine.
Når som helst kan du velge Fjern chat-knappen for å fjerne chatten, som vist i følgende skjermbilde:
Funksjonen Fjern chat sletter all chatlogg og starter en ny økt. Når du sletter chatteloggen, kan du ikke hente den.
Endre datakilden
Hvis du vil fjerne en datakilde, holder du pekeren over datakildenavnet i Explorer- i den venstre ruten på kompetansesiden for kunstig intelligens til menyen med tre prikker vises. Velg de tre prikkene for å vise alternativene, og velg deretter Fjern for å slette datakilden som vist i følgende skjermbilde:
Hvis datakilden endret seg, kan du også velge Oppdater i samme meny, som vist i følgende skjermbilde:
Dette sikrer at eventuelle datakildeoppdateringer både gjenspeiles og fylles ut riktig i utforskeren for å holde AI-ferdighetene synkronisert med de nyeste dataene.
Kompetansekonfigurasjon for kunstig intelligens
Ai-ferdigheten tilbyr flere konfigurasjonsalternativer som gjør det mulig for brukere å tilpasse virkemåten for kunstig intelligens, slik at de bedre samsvarer med behovene til organisasjonen. Etter hvert som ai-kompetansen behandler og presenterer data, gir disse konfigurasjonene fleksibilitet som gir mer kontroll over resultatene.
Gi instruksjoner
Du kan gi spesifikke instruksjoner for å veilede AIs virkemåte. Hvis du vil legge dem til, velger du AI-instruksjonene som vist i følgende skjermbilde:
Veiledningsruten for kunstig intelligens åpnes, som vist i dette skjermbildet:
Her kan du skrive opptil 15 000 tegn i vanlig engelskspråklig tekst for å lære AI-en om hvordan du håndterer spørringer.
Du kan for eksempel angi den nøyaktige datakilden som skal brukes for bestemte typer spørsmål. Eksempler på datakildevalg kan innebære å lede AI-en til bruk
- Semantiske Power BI-modeller for økonomiske spørringer
- et lakehouse for salgsdata
- en KQL-database for operasjonelle måledata
Disse instruksjonene sikrer at AI genererer riktige spørringer, enten SQL, DAX eller KQL, basert på veiledningen din og konteksten til spørsmålene.
Hvis AI-ressursen konsekvent feiltolker bestemte ord, akronymer eller termer, kan du gi klare definisjoner i denne delen for å sikre at AI forstår og behandler dem riktig. Dette blir spesielt nyttig for domenespesifikk terminologi eller unik forretningssjargong.
Ved å skreddersy disse instruksjonene og definere termer, forbedrer du AI-ens evne til å levere nøyaktig og relevant innsikt, i full samsvar med datastrategien og forretningskravene dine.
Gi eksempelspørringer
Du kan forbedre nøyaktigheten til ai-ferdighetssvarene når du angir eksempelspørringer som er skreddersydd for hver datakilde, for eksempel lakehouse-, lager- og KQL-databaser. Denne tilnærmingen, kjent som Few-Shot Learning i generative AI, bidrar til å veilede AI-ferdigheten til å generere svar som passer bedre til forventningene dine.
Når du gir AI-en eksempelspørring/spørsmålspar, refererer den til disse eksemplene når den svarer på fremtidige spørsmål. Samsvarende nye spørringer med de mest relevante eksemplene hjelper AI med å innlemme forretningsspesifikk logikk og svare effektivt på vanlige spørsmål. Denne funksjonaliteten muliggjør finjustering for individuelle datakilder, og sikrer generering av mer nøyaktige SQL- eller KQL-spørringer.
Power BI-semantiske modelldata støtter ikke å legge til eksempelspørring/spørsmålspar på dette tidspunktet. Men for støttede datakilder som lakehouse, warehouse og KQL-databaser, kan det å gi flere eksempler forbedre AI-ens evne til å generere nøyaktige spørringer betydelig når standard ytelse må justeres.
Tips
Et variert sett med eksempelspørringer forbedrer muligheten for en ai-ferdighet til å generere nøyaktige og relevante SQL/KQL-spørringer. Hvis du vil legge til eller redigere eksempelspørringer, velger du Eksempelspørringer-knappen for å åpne eksempelspørringsruten, som vist i følgende skjermbilde:
Denne ruten inneholder alternativer for å legge til eller redigere eksempelspørringer for alle støttede datakilder unntatt Semantiske Modeller for Power BI. For hver datakilde kan du velge Legg til eller rediger eksempelspørringer for å legge inn de relevante eksemplene, som vist i følgende skjermbilde:
Merk
Ai-kompetansen refererer bare til spørringer som inneholder gyldig SQL/KQL-syntaks, og som samsvarer med skjemaet for de valgte tabellene. AI-ferdigheten bruker ikke spørringer som ikke har fullført valideringen. Kontroller at alle eksempelspørringer er gyldige og riktig justert med skjemaet for å sikre at AI-ferdigheten bruker dem effektivt.
Publisere og dele en ai-ferdighet
Når du har testet ytelsen til ai-ferdighetene dine på tvers av ulike spørsmål, og du bekrefter at det genererer nøyaktige SQL-, DAX-, ELLER KQL-spørringer, kan du dele det med kollegene dine. På dette tidspunktet velger du Publiser, som vist i følgende skjermbilde:
Dette trinnet åpner et vindu som ber om en beskrivelse av ai-ferdigheten. Her kan du gi en detaljert beskrivelse av hva ai-ferdigheten gjør. Disse detaljene veileder kollegene dine om funksjonaliteten til AI-ferdighetene, og hjelper andre AI-systemer/orchestratorer med å effektivt aktivere ai-ferdighetene.
Når du har publisert ai-ferdigheten, har du to versjoner av den. Én versjon er den gjeldende kladdeversjonen, som du kan fortsette å finjustere og forbedre. Den andre versjonen er den publiserte versjonen, som du kan dele med kollegene dine som ønsker å spørre ai-ferdigheten for å få svar på spørsmålene deres. Du kan inkludere tilbakemeldinger fra kollegene dine i den gjeldende utkastversjonen etter hvert som du utvikler den, for å forbedre ytelsen til AI-ferdighetene ytterligere.