Начало работы с ИИ в Dynamics 365
Microsoft Copilot и связанная с ним функциональность на базе ИИ — удивительные системы, открывающие целый мир новый возможностей. Однако, поскольку помощники на базе ИИ существуют практически для каждого продукта Майкрософт, включая приложения Dynamics 365, и информация о том, как получить в свое распоряжение возможности ИИ и использовать их в своей работе, разбросана по разным библиотекам документации, не всегда легко понять, с чего начать.
В этой статье мы проясним некоторые аспекты Copilot, которые многие люди находят непонятными. Также мы приведем ссылки на ресурсы, где вы сможете углубиться в подробности.
Внимание!
Эта статья со временем будет эволюционировать. Если вы заметили, что чего-то не хватает или что-то изменилось, сообщите нам об этом. Или, что еще лучше, примите участие в доработке этой статьи. Подробнее см. в статье Участие в написании документации по Dynamics 365.
У меня нет никакого опыта использования ИИ. С чего мне начать?
Посмотрите видеообзор того, как работает Copilot в Dynamics 365 и Power Platform. Вы узнаете, как Copilot обеспечивает безопасность ваших бизнес-данных, а также соблюдает требования о конфиденциальности и нормы ответственного применения генеративного ИИ.
Как в приложениях Dynamics 365 используется ИИ?
Возможности ИИ в Dynamics 365 основаны исключительно на службах Microsoft Azure. Мы выбрали Azure, потому что службы Azure построены в соответствии со стандартами ответственного применения ИИ Майкрософт и снабжены корпоративными средствами управления безопасностью, конфиденциальностью и соответствием, на которые рассчитывают наши клиенты.
Как генеративный ИИ соотносится с тем, что Майкрософт предлагает в Azure?
Генеративный ИИ — это разновидность искусственного интеллекта, способная создать новый контент или данные на основе введенных вами данных, называемых запросом. Например, генеративный ИИ может писать тексты, генерировать изображения, сочинять музыку или синтезировать речь. Майкрософт предлагает ряд моделей и служб ИИ в Azure, включая Azure Cognitive Services, Машинное обучение Azure и Службу Azure OpenAI. Служба Azure OpenAI — это вариант генеративного ИИ, который позволяет использовать модели OpenAI, такие как GPT-4 и DALL-E, для различных задач и сценариев. В приложениях Dynamics 365 Служба Azure OpenAI используется для предоставления возможностей генеративного ИИ, способных помогать бизнес-пользователям в их работе. Наши партнеры также могут интегрировать Службу Azure OpenAI в свои решения.
Узнайте больше записи блога об ускорении инноваций с помощью генеративного ИИ в Службе Azure OpenAI.
Как генеративный ИИ может использоваться в бизнесе?
Термин генеративный ИИ звучит интригующе, но какую выгоду компании могут из него извлечь? Вот запись в блоге, в которой есть несколько интересных примеров, способных послужить для вас источником вдохновения: Служба Azure OpenAI: десять способов преобразовать бизнес с помощью генеративного ИИ.
Быстрый обзор возможностей генеративного ИИ в приложениях Dynamics 365 также можно найти на странице Microsoft Copilot в Dynamics 365.
Совет
Следующие два раздела предназначены для организаций, которые рассматривают возможность самостоятельно предоставлять генеративный ИИ, то есть не для пользователей, которые хотят использовать возможности генеративного ИИ, встроенные в приложения Dynamics 365. Если вы бизнес-пользователь, переходите к одному из других разделов — используйте ссылки в разделе В этой статье вверху, чтобы найти интересующие вас темы.
Как получить доступ к Службе Azure OpenAI, а также выбирать и развертывать модели ИИ?
Для получения доступа к Службе Azure OpenAI необходимо иметь подписку Azure и учетную запись в Службе Azure OpenAI. Оформить то и другое можно на портале Azure. Учетная запись позволяет вам создать ресурс Службы Azure OpenAI и получить ключ API, который можно использовать для доступа к моделям Службы Azure OpenAI. Предусмотрены разнообразные модели для различных предметных областей и задач, например генерации теста, анализа текста, генерации изображений, анализа изображений, а также разговорного ИИ.
Вы можете настраивать, обучать и развертывать модели, предоставляя свои собственные данные и параметры. Однако обычно этот дорогостоящий и трудоемкий процесс можно пропустить. Модель Службы Azure OpenAI уже обучена на огромных объемах данных.
В следующей таблице приведен обзор задач и ресурсов.
| Что нужно сделать | Где это нужно сделать | Подробнее |
|---|---|---|
| Оформите подписку Azure. Вы можете подписаться на платный план или начать бесплатно. | azure.microsoft.com | |
| Запросите доступ к Службе Azure OpenAI для своей подписки. В настоящее время доступ к этой службе предоставляется только после подачи заявки на доступ. | https://aka.ms/OAIapply | Что такое Служба Azure OpenAI? |
| Получите для своей учетной записи разрешения на создание ресурсов Azure OpenAI и развертывание моделей. | Портал Azure | Управление доступом на основе ролей для пользователей Службы Azure OpenAI |
| Создайте ресурс службы Azure OpenAI и разверните модель. | Портал Azure и Azure AI Studio | Создание и развертывание ресурса Службы Azure OpenAI |
После завершения этого шага вы можете приступать к разработке своей функциональности Copilot, для чего требуется следующая информация о ресурсе и развернутой модели:
| Что понадобится | Где это найти |
|---|---|
| Ключ и конечная точка (URL-адрес) API Azure OpenAI | Страница Ключи и конечные точки для ресурса на портале Azure. |
| Имя развертывания для модели | Страница Развертывания в Azure AI Studio. |
Сколько это стоит, и существуют ли инструменты для прогнозирования и измерения затрат?
Стоимость использования Службы Azure OpenAI зависит от типа и количества используемых ресурсов, которые, в свою очередь, зависят от модели. Вы можете воспользоваться калькулятором цен Azure для расчета примерной стоимости использования Службы Azure OpenAI в соответствии с вашей ожидаемой интенсивностью использования и конфигурацией.
Поскольку используемые вами функции ИИ связаны с вашим ключом Службы Azure OpenAI, вы несете ответственность за затраты на эксплуатацию ресурсов Azure OpenAI на протяжении всего периода разработки и тестирования. Вы продолжаете нести эту ответственность, когда ваши клиенты используют предоставляемую вами функциональность в рабочих средах и средах-песочницах. Например, функция ИИ, которая предоставляет несколько рекомендаций в месяц для владельцев бизнеса, вероятно, будет потреблять немного ресурсов и обходиться недорого. И напротив, функция ИИ, которая генерирует ежедневную двухстраничную сводку по проекту для каждого сотрудника, будет потреблять больше ресурсов и требовать более серьезных затрат.
При желании вы можете использовать инструменты управления затратами и оплаты счетов Майкрософт для мониторинга и контроля своих расходов на Службу Azure OpenAI. Вы можете устанавливать бюджеты, оповещения и политики для отслеживания и оптимизации своих затрат. Также вы можете просматривать и загружать подробные отчеты и счета, в которых отражены ваши расходы и использование.
Подробнее о том, во сколько обходится Служба Azure OpenAI, и какие имеются инструменты для прогнозирования/измерения затрат, можно на странице Цены на Службу Azure OpenAI.
Каковы плюсы и минусы использования популярных моделей?
Популярные модели, доступные сегодня в Службе Azure OpenAI, — это GPT-4 и DALL-E. GPT-4 — это крупномасштабная языковая модель, способная генерировать естественный и связный текст для различных задач и предметных областей, таких как резюмирование, перевод, ответы на вопросы и создание контента. DALL-E — это крупномасштабная модель синтеза изображений, способная генерировать разнообразные реалистичные изображения на основе текстовых и графических запросов, например рисунки, логотипы, значки и сцены.
И та, и другая модель дает возможность получать высококачественные и релевантные результаты для улучшения ваших приложений и рабочих процессов. Однако с обеими моделями связаны также некоторые ограничения и проблемы, о которых вы должны знать. Например, модели не всегда могут генерировать точные или правдивые результаты, соблюдать этические и социальные нормы или обеспечивать конфиденциальность и безопасность данных.
Узнать больше о том, что популярные модели удается хорошо, а что не очень хорошо, можно из статьи Модели Службы Azure OpenAI.
Каковы лучшие практики и возможные ошибки при написании запросов?
Запрос — это входные данные, которые вы предоставляете модели для генерации результата. Запрос может представлять собой текст, изображение или сочетание того и другого. То, как написан запрос, может повлиять на качество и релевантность результата. Следовательно, при написании запросов важно следовать определенным инструкциям и рекомендациям. Некоторые ошибки и лучшие практики:
- Формулируйте четко и конкретно, что должна сделать модель, и какого рода результат вы ожидаете получить.
- Предоставляйте достаточно контекста и информации, чтобы модель могла понять задачу и предметную область.
- Используйте примеры, ключевые слова и форматирование, чтобы направить модель по правильному пути и наложить ограничения на результат.
- Избегайте двусмысленных, расплывчатых или вводящих в заблуждение запросов, которые могут сбить с толку модель или привести к нежелательным результатам.
- Тестируйте и оценивайте результаты с различными запросами и сценариями, чтобы проверить эффективность и надежность модели.
- Просматривайте и проверяйте результаты на предмет точности, релевантности, качества и этичности, прежде чем использовать их в своих приложениях или рабочих процессах.
Подробнее о том, как писать эффективные запросы, а также какие с ними связаны возможные ошибки и лучшие практики, можно узнать из статьи Искусство написания запросов: как извлечь максимум пользы из генеративного ИИ.
Как управлять результатами запросов и неопределенностью?
Генерируемые моделью результаты не всегда совершенны и предсказуемы. Они могут быть неточными, нерелевантными, неполными, противоречивыми или даже непристойными. Следовательно, вам нужна стратегия для управления результатами и минимизации неопределенности.
- Используйте параметры и настройки модели, чтобы управлять форматом, длиной и разнообразием результатов.
- Используйте метрики и показатели модели, чтобы измерять качество, достоверность и подобие результатов.
- Используйте обратную связь и журналы модели для мониторинга и улучшения качества и надежности результатов.
- Используйте фильтры модели и предохранительные механизмы для предотвращения и обнаружения ошибок и проблем в результатах.
- Используйте проверку человеком для валидации и исправления результатов.
Подробнее о том, как управлять результатами и неопределенностью, можно узнать из статьи Как контролировать модели Azure OpenAI. Больше о запросах Copilot можно узнать из статьи О запросах Copilot.