地面 AI 系统
落地 AI 是将 AI 系统中的抽象概念和知识连接到真实数据和体验的过程。 例如：AI 模型使用实时和历史天气数据预测天气。 落地可确保模型的预测基于历史天气模式，从而提高准确度。 落地可确保 AI 的理解和响应准确并与其所处的实际环境相关，并在以下方面提供帮助：
将抽象概念与现实联系起来：落地帮助 AI 系统弥合其内部抽象概念与实际有形世界之间的差距。 它类似于教机器人理解和使用现实世界的对象和想法。
提高决策准确度：通过将 AI 的学习和决策过程定位在实际数据中，落地可以提高 AI 输出的准确度和可靠性，使其更加可信且有效。
适应真实变化：通过落地，AI 系统能够适应不断变化的真实场景，并通过理解和应用上下文来保持其随时间推移的有效性。
落地对于开发能够与现实世界交互并理解现实世界复杂性的 AI 系统至关重要，可以提供适合上下文、准确且有意义的结果。
Microsoft 采用多种技术实现 AI 产品的落地，确保 AI 的响应相关、准确且适合特定用例。 以下是使用的一些主要方法：
检索扩充式生成 (RAG)：此方法涉及检索与任务相关的信息，并将其与提示一起提供给语言模型。 然后，模型在响应时使用此特定信息，这有助于将 AI 的输出落地于特定用例的上下文中。
提示工程：Microsoft 使用先进的提示工程技术来提高大型语言模型 (LLM) 生成的响应的准确度和基础性。 这包括创建提供上下文、说明或其他相关信息的提示，以便为模型生成适当的响应做好准备。
基础性检测：Azure AI 具有基础性检测功能，可使用针对自然语言推理 (NLI) 任务进行微调的自定义语言模型来评估 AI 提出的观点。 这有助于检测和缓解无依据的模型输出。