Tworzenie umiejętności sztucznej inteligencji (wersja zapoznawcza)
Czy jesteś gotowy do konwersacji dotyczących danych? Możesz tworzyć środowiska sztucznej inteligencji z umiejętnościami sztucznej inteligencji w usłudze Microsoft Fabric, aby odpowiedzieć na pytania dotyczące tabel lakehouse i warehouse. Ta technika obniża bariery dla innych osób, aby odpowiedzieć na swoje pytania dotyczące danych, ponieważ twoi współpracownicy mogą zadawać pytania w języku angielskim i otrzymywać odpowiedzi oparte na danych.
Ważne
Ta funkcja jest dostępna w wersji zapoznawczej.
Wymagania wstępne
- Płatny zasób pojemności F64 lub wyższej sieci szkieletowej.
- Przełącznik dzierżawy umiejętności sztucznej inteligencji jest włączony.
- Przełącznik dzierżawy copilot jest włączony.
- Udostępnianie między lokalizacjami geograficznymi dla sztucznej inteligencji jest włączone, jeśli jest to istotne.
- Magazyn lub magazyn lakehouse z danymi.
Tworzenie i konfigurowanie umiejętności sztucznej inteligencji
Tworzenie i konfigurowanie umiejętności sztucznej inteligencji w sieci szkieletowej obejmuje następujące kroki:
- Utwórz nową umiejętność sztucznej inteligencji.
- Wybierz swoje dane.
- Zadaj pytania.
- Przykłady.
- Podaj instrukcje.
Proces jest prosty i możesz rozpocząć testowanie zasobów umiejętności sztucznej inteligencji w ciągu kilku minut.
Tworzenie nowej umiejętności sztucznej inteligencji
Podobnie jak w przypadku innych standardowych procesów tworzenia elementów sieci szkieletowej, możesz utworzyć nową umiejętność sztucznej inteligencji na stronie głównej sieć szkieletowa Nauka o danych, wybierając opcję Nowy obszar roboczy lub przy użyciu narzędzia Utwórz centrum. Musisz podać nazwę, jak pokazano na poniższym zrzucie ekranu:
Wybieranie danych
Po utworzeniu umiejętności sztucznej inteligencji wybierz źródło danych. Może to być magazyn danych lub magazyn lakehouse. Na następnym ekranie wybierz magazyn lub lakehouse, a następnie wybierz pozycję Połącz.
Lewe okienko wypełnia dostępne tabele w wybranym źródle danych. Użyj pól wyboru, aby udostępnić tabelę lub niedostępną dla sztucznej inteligencji. Przed zadawaniem pytań dotyczących sztucznej inteligencji musisz wybrać co najmniej jedną tabelę.
Uwaga
Pamiętaj, aby użyć opisowych nazw kolumn. Zamiast używać nazw kolumn, takich jak C1 lub ActCu, użyj polecenia ActiveCustomer lub IsCustomerActive. Używanie nazw opisowych to najbardziej efektywny sposób uzyskiwania bardziej niezawodnych zapytań z sztucznej inteligencji.
Użyj notatek dla modelu w panelu konfiguracji interfejsu użytkownika. Jeśli umiejętność sztucznej inteligencji generuje nieprawidłowe zapytania T-SQL, możesz podać instrukcje dotyczące modelu w języku angielskim w języku angielskim, aby ulepszyć przyszłe zapytania. System będzie używać tych instrukcji z każdym zapytaniem. Krótkie i bezpośrednie instrukcje działają najlepiej.
Zadawaj pytania
Po wybraniu danych możesz zacząć zadawać pytania. System obsługuje pytania, na które może odpowiedzieć pojedyncze zapytanie, jak pokazano na poniższym zrzucie ekranu:
Pytania podobne do następujących przykładów powinny działać:
- "Jaka była nasza łączna sprzedaż w Kalifornii w 2023 roku?"
- "Jakie są najdroższe przedmioty, które nigdy nie zostały sprzedane?"
Te pytania są poza zakresem:
- "Dlaczego wydajność fabryki jest niższa w kwartale 2024 r.?"
- "Jaka jest główna przyczyna naszego skoku sprzedaży?"
Podczas zadawania pytania system używa poświadczeń do pobierania schematu. Na podstawie pytania system używa podanych informacji (zobacz sekcje "Podaj przykłady" i "Podaj instrukcje") oraz schemat do konstruowania monitu. Ten monit jest tekstem wysyłanym do sztucznej inteligencji, który generuje wiele zapytań SQL.
Po wygenerowaniu zapytań SQL zbadaj je, aby upewnić się, że wysyłają zapytania tylko do danych. Sprawdź również, czy nie tworzą, aktualizują, usuwają ani w inny sposób nie zmieniają danych. Następnie wyodrębnij najlepszy kandydat do zapytania z listy wygenerowanych zapytań. Wykonaj wszelkie niezbędne podstawowe naprawy dla najlepszego zapytania generowanego przez sztuczną inteligencję. Na koniec, używając poświadczeń, ponownie zapoznaj się z zapytaniem i zwróć zestaw wyników do Ciebie.
Zmienianie źródła danych
Aby przełączyć się do innego magazynu lub jeziora, wybierz strzałki w górnej części okienka Eksplorator , jak pokazano na poniższym zrzucie ekranu:
Konfigurowanie umiejętności sztucznej inteligencji
Umiejętność sztucznej inteligencji oferuje kilka opcji konfiguracji, które umożliwiają twórcom dostosowanie jego zachowania do lepszych potrzeb. Te konfiguracje zapewniają elastyczność w sposobie przetwarzania i prezentowania danych przez umiejętności sztucznej inteligencji, co zapewnia większą kontrolę nad wynikami.
Podaj przykładowe zapytania
Dokładność odpowiedzi umiejętności sztucznej inteligencji można zwiększyć, udostępniając im przykładowe zapytania SQL. Ta technika, znana jako Few Shot Learning w generatywnej sztucznej inteligencji, pozwala kierować umiejętnością sztucznej inteligencji w generowaniu odpowiedzi, które są zgodne z oczekiwaniami.
Kiedy dostarczysz sztucznej inteligencji przykładowe pary pytań i odpowiedzi, wykorzystuje te przykłady jako odniesienie przy odpowiadaniu na przyszłe pytania. Sztuczna inteligencja będzie przeglądać podane przykłady, aby znaleźć najbardziej odpowiednie zapytania zgodne z nowym pytaniem. Dzięki temu sztuczna inteligencja może uwzględniać logikę specyficzną dla firmy i reagować na typowe zapytania, które użytkownicy końcowi często pytają.
Jeśli zauważysz, że sztuczna inteligencja nie generuje żądanych zapytań SQL, możesz zwiększyć jej wydajność, podając dodatkowe przykłady.
Napiwek
Zapewnienie zróżnicowanego zestawu przykładowych zapytań zwiększy zdolność umiejętności sztucznej inteligencji do generowania dokładnych i odpowiednich zapytań SQL.
Aby dodać przykłady, kliknij przycisk edycji w obszarze "Przykładowe zapytania SQL" po prawej stronie, jak pokazano na poniższym zrzucie ekranu:
Uwaga
Umiejętność sztucznej inteligencji będzie odnosić się tylko do zapytań, które zawierają prawidłowy język SQL i pasują do schematu wybranych tabel. Zapytania, które nie przeszły pełnej weryfikacji, nie będą używane przez umiejętność sztucznej inteligencji. Upewnij się, że wszystkie przykładowe zapytania są prawidłowe i poprawnie dopasowane do schematu, aby upewnić się, że są one efektywnie używane.
Podaj instrukcje
Możesz również kierować sztuczną inteligencją za pomocą instrukcji. Te instrukcje można podać w polu tekstowym Uwagi dotyczące modelu . Tutaj możesz napisać instrukcje w języku angielskim. Sztuczna inteligencja używa tych instrukcji podczas generowania kodu SQL.
Jeśli okaże się, że sztuczna inteligencja stale błędnie interpretuje niektóre słowa lub akronimy, możesz podać definicje terminów w tej sekcji, jak pokazano na tym zrzucie ekranu:
Dostosowywanie odmian zapytań SQL
Ustawienie odmian zapytań SQL kontroluje zmienność liczby zapytań SQL generowanych przez umiejętności sztucznej inteligencji przed określeniem końcowego zapytania. Dostosowując to ustawienie, twórcy mogą wpływać na liczbę różnych zapytań SQL, które będą oceniane przez umiejętności sztucznej inteligencji przed przybyciem do końcowego zapytania.
Jeśli chcesz, aby umiejętność sztucznej inteligencji badała więcej możliwych ścieżek zapytań przed wybraniem najbardziej odpowiedniego, zwiększ ustawienie Odmiany zapytań SQL. Może to być szczególnie przydatne w złożonych scenariuszach, w których wiele potencjalnych struktur zapytań może przynieść pożądany wynik.
Pokaż wykonane zapytanie SQL
Ustawienie Pokaż wykonane zapytanie SQL umożliwia twórcom debugowanie wyników generowanych przez umiejętności sztucznej inteligencji. Po włączeniu to ustawienie zapewnia wgląd w końcowe zapytanie SQL wygenerowane przez umiejętności sztucznej inteligencji, które zostało użyte do wygenerowania końcowych danych wyjściowych.
To ustawienie można włączyć, jeśli musisz zweryfikować lub rozwiązać problemy z zapytaniami SQL wygenerowanymi przez umiejętności sztucznej inteligencji. Jest to szczególnie przydatne do zrozumienia, w jaki sposób umiejętności sztucznej inteligencji tworzą zapytania i zapewniają ich dopasowanie do oczekiwanej logiki i struktury.