數據科學 Copilot 的隱私權、安全性和負責任使用
在本文中,了解數據科學 Microsoft Copilot 的運作方式、如何保護您的商務數據安全,並遵守隱私權需求,以及如何負責任地使用衍生式 AI。 如需在 Fabric 中 Copilot 這些主題的概觀,請參閱 隱私權、安全性和負責使用 Copilot (預覽)。
在 Microsoft Fabric 的數據科學功能 Copilot 和其他生成式 AI 功能仍在預覽階段時,Microsoft Fabric 為轉換和分析數據、生成見解,以及在數據科學和其他各種工作負載中創建視覺化和報告提供了一種全新的方法。
如需考慮和限制,請參閱 限制。
Copilot 在數據科學中的數據使用
在筆記本中,Copilot 只能存取使用者目前所使用的筆記本可存取的資料,無論是在連結的湖倉中,還是由使用者直接載入或匯入到該筆記本。 在筆記本中,Copilot 無法存取筆記本無法存取的任何數據。
根據預設,Copilot 可以存取下列資料類型:
- 先前在該會話中傳送和回復該使用者 Copilot 的訊息。
- 用戶已執行之單元格的內容。
- 用戶已執行的儲存格輸出。
- 筆記本中數據源的架構。
- 筆記本中數據源的範例數據。
- 附加 Lakehouse 中外部數據源的架構。
數據科學的 Copilot 評估
- 產品小組已測試 Copilot,以查看系統在筆記本的範疇中的表現,以及 AI 回應是否具有深刻見解且實用。
- 該小組還投資了額外的危害緩解措施,包括應用技術方法來聚焦 Copilot的輸出於與數據科學相關的主題。
使用數據科學 Copilot 的秘訣
- Copilot 最適合用來處理數據科學主題,因此請將您的問題限制在此領域。
- 明確說明您想要 Copilot 檢查的數據。 如果您描述數據資產,例如命名檔案、數據表或數據行,Copilot 更有可能擷取相關數據併產生有用的輸出。
- 如果您希望獲得更細緻的回應,可以嘗試將數據載入筆記本作為DataFrames,或將數據釘選在您的湖濱倉中。 這可讓 Copilot 有更多背景信息來執行分析。 如果資產太大而無法載入,將其釘選是一個有用的替代方案。
AI 技能:負責任的 AI 常見問題
什麼是 AI 技能?
AI 技能是 Fabric 中的新工具,可讓您以自然語言從表格式數據取得答案。
AI 技能可以做什麼?
數據分析師或工程師可以準備 AI 技能以供非技術商務使用者使用。 他們需要設定 Fabric 數據源,而且可以選擇性地提供架構中不明顯的其他內容資訊。
然後,非技術使用者就可以輸入問題,並從 AI 產生的 SQL 查詢執行中接收結果。
什麼是/什麼是 AI 技能的預期用途??
不熟悉數據結構的商務用戶,可以針對儲存在 Fabric Lakehouses 和 Fabric Warehouses 中的表格式數據,詢問描述性問題,例如「上個月依銷售量排列的前 10 大產品是什麼?」。
AI 技能不適用於確定性且需要 100 個% 準確結果的情況下使用,這反映了目前的 LLM 限制。
AI 技能不適用於需要深入分析或因果分析的使用案例。 例如問「為什麼我們的銷售數位上個月下降? 範圍不足。
AI 技能是如何評估的? 哪些計量可用來測量效能?
產品小組已針對 SQL 工作的各種公開和私人基準測試 AI 技能,以確定 SQL 查詢的品質。
小組還投資了額外的減輕危害措施,包括利用技術手段將 AI 技能輸出專注於所選數據源的脈絡。
AI 技能的限制為何? 使用者在使用系統時,如何將AI技能限制的影響降到最低?
請確定您的資料行名稱具有描述性。 不要使用 「C1」 或 「ActCu」 等數據行名稱,而是使用 「ActiveCustomer」 或 “IsCustomerActive”。 這是從 AI 取得更可靠查詢的最有效方式。
請在使用者介面的組態面板中,利用模型的備註。 如果 AI 技能產生的 SQL 查詢不正確,您可以提供一般英文的模型指示,以改善未來的查詢。 系統會在每個查詢中使用這些指示。 簡短和直接的指示是最好的。
在UI的模型組態面板中提供範例。 系統會在提供答案時運用最相關的範例。
哪些操作因素和設定允許有效且負責任的 AI 技能使用?
AI 技能只能存取您提供的數據。 它會使用結構描述(表格名稱和欄位名稱),以及您在使用者介面(UI)中提供的模型和範例附註。
AI 技能只能存取問題者可存取的數據。 如果您使用 AI 技能,您的認證會用來存取基礎資料庫。 如果您沒有基礎數據的存取權,AI 技能也不一樣。 當您將 AI 技能發佈至其他目的地時,例如 Microsoft Copilot 365 或 Microsoft Copilot Studio,此時 AI 技能可供其他問題者使用,這會是真實的。
相關內容
- Copilot 在資料工廠 (預覽) 中的隱私權、安全性和負責任的使用
- 數據科學與數據工程 Copilot 概觀 (預覽版)
- Data Factory 概觀 Copilot
- 網狀架構中的 Copilot:常見問題