Prywatność, bezpieczeństwo i odpowiedzialne korzystanie z Copilot na potrzeby analizy Real-Time
W tym artykule dowiesz się, jak działa Copilot Real-Time Intelligence, jak zapewnia bezpieczeństwo danych biznesowych i spełnia wymagania dotyczące prywatności oraz sposób odpowiedzialnego używania generowania sztucznej inteligencji. Aby uzyskać przegląd tych tematów dotyczących Copilot w usłudze Fabric, zobacz Prywatność, bezpieczeństwo i odpowiedzialne korzystanie z Copilot.
Ta funkcja wykorzystuje możliwości interfejsu OpenAI, aby bezproblemowo tłumaczyć zapytania języka naturalnego na język kusto Query Language (KQL), wyspecjalizowany język do wykonywania zapytań dotyczących dużych zestawów danych. W istocie działa jako most między codziennym językiem użytkowników a technicznymi zawiłościami KQL usuwającymi bariery wdrożeniowe dla użytkowników nieznanych w języku. Dzięki wykorzystaniu zaawansowanej interpretacji języka openAI ta funkcja umożliwia użytkownikom przesyłanie pytań biznesowych w znanym formacie języka naturalnego, które są następnie konwertowane na zapytania KQL.
Copilot przyspiesza produktywność, upraszczając proces tworzenia zapytań, ale także zapewniając przyjazne dla użytkownika i wydajne podejście do analizy danych.
Copilot do zamierzonego użycia inteligencji Real-Time
Kusto Copilot przyspiesza proces eksploracji danych naukowców oraz analityków, tłumacząc pytania biznesowe w języku naturalnym na zapytania KQL, opartych na nazwach kolumn/schemacie zestawu danych.
Co Copilot może zrobić dla inteligencji Real-Time?
Usługa Kusto Copilot jest napędzana przez generatywne modele sztucznej inteligencji opracowane przez OpenAI i firmę Microsoft. W szczególności używa interfejsów API osadzania i uzupełniania OpenAI do tworzenia monitów języka naturalnego i generowania zapytań KQL.
Korzystanie z Copilot danych na potrzeby analizy Real-Time
Copilot dla Real-Time Intelligence ma dostęp do danych dostępnych dla użytkownika Copilot, na przykład schematu bazy danych, funkcji zdefiniowanych przez użytkownika i próbkowania danych połączonej bazy danych. Copilot odnosi się do bazy danych, która jest aktualnie połączona z zapytaniem KQL. Copilot nie przechowuje żadnych danych.
Ocena Copilot na potrzeby analizy Real-Time
- Po dokładnym okresie badań, w którym przetestowano kilka konfiguracji i metod, metoda integracji OpenAI została sprawdzona w celu wygenerowania najwyższych dokładności zapytań KQL. Copilot nie uruchamia automatycznie wygenerowanego zapytania KQL, a użytkownicy powinni uruchamiać zapytania według własnego uznania.
- Usługa Kusto Copilot nie uruchamia automatycznie żadnych wygenerowanych zapytań KQL, a użytkownicy powinni uruchamiać zapytania według własnego uznania.
Ograniczenia Copilot dla analizy Real-Time
- Złożone i długie dane wejściowe użytkownika mogą być niezrozumiane przez Copilot, co powoduje potencjalnie niedokładne lub mylące sugerowane zapytania KQL.
- Dane wejściowe użytkownika kierujące do jednostek bazy danych, które nie są tabelami KQL lub zmaterializowanymi widokami (na przykład funkcją KQL), mogą spowodować potencjalnie niedokładne lub wprowadzające w błąd sugerowane zapytania KQL.
- Ponad 10 000 równoczesnych użytkowników w organizacji prawdopodobnie spowoduje awarie lub znaczący spadek wydajności.
- Zapytanie KQL powinno zostać zweryfikowane przez użytkownika przed wykonaniem w celu uniemożliwienia niezabezpieczonego wykonywania zapytań KQL.
Porady dotyczące pracy z Copilot na potrzeby analizy Real-Time
- Zalecamy podanie szczegółowych i odpowiednich zapytań języka naturalnego. Ponadto należy podać zwięzłe i proste żądania do copilot, aby uniknąć niedokładnych lub wprowadzających w błąd sugerowanych zapytań KQL. Należy również ograniczyć pytania do baz danych, które są tabelami KQL lub zmaterializowanymi widokami.
- Jeśli na przykład pytasz o określoną kolumnę, podaj nazwę kolumny i typ danych, które zawiera. Jeśli chcesz używać określonych operatorów lub funkcji, pomoże to również. Im więcej informacji dostarczysz, tym lepsza będzie odpowiedź Copilot.