Jaa

Tekoälyn taidot (esiversio)

  • Artikkeli

Tekoälytaidon uusi Microsoft Fabric -ominaisuus, jonka avulla voit luoda omia keskustelevia Q&A-järjestelmiä käyttämällä muodostavaa tekoälyä. Tekoälytaidon ansiosta merkitykselliset tiedot ovat helpommin käytettävissä ja toiminnallisempia kaikille organisaatiossasi. Tekoälytaidoilla tiimisi voi keskustella organisaatiosi Fabric OneLakeen tallentamista tiedoista ja saada sitten asianmukaisia vastauksia pelkällä englanninkielisellä kysymyksellä. Näin myös henkilöt, joilla ei ole teknistä tekoälyosaamista tai syvällistä ymmärrystä tietorakenteesta, voivat saada tarkkoja ja kontekstipohjaisia vastauksia.

Voit myös lisätä organisaatiokohtaisia ohjeita, esimerkkejä ja ohjeita tekoälytaitojen hienosäätämiseksi. Näin varmistat, että vastaukset vastaavat organisaatiosi tarpeita ja tavoitteita, jotta kaikki voivat käyttää tietoja tehokkaammin. Tekoälytaidot edistivät datapohjaisen päätöksenteon kulttuuria, koska se vähentää oivalluksen helppokäyttötoimintojen esteitä ja helpottaa yhteistyötä ja auttaa organisaatiotasi poimimaan tiedoistaan enemmän lisäarvoa.

Tärkeä

Tämä ominaisuus on esikatselutilassa.

Edellytykset

Tekoälytaitojen toiminta

Tekoälytaidossa käytetään suuria kielimalleja (LLM), jotka auttavat käyttäjiä käyttämään tietojaan luonnollisesti. Tekoälytaidot pätevät Azure OpenAI Assistant -ohjelmointirajapintoihin, ja se käyttäytyy kuin agentti. Se käsittelee käyttäjäkysymyksiä, määrittää olennaisimman tietolähteen (Lakehouse, Warehouse, Power BI -tietojoukko, KQL-tietokannat), ja käynnistää asianmukaisen työkalun kyselyjen luomiseen, vahvistamiseen ja suorittamiseen. Käyttäjät voivat sitten esittää kysymyksiä pelkällä kielellä ja saada jäsennettyjä, ihmisen luettavissa olevia vastauksia, mikä poistaa tarpeen kirjoittaa monimutkaisia kyselyitä ja varmistaa tietojen tarkan ja turvallisen käytön.

Näin se toimii yksityiskohtaisesti:

Kysymyksen jäsennys & Validation: Tekoälytaitoa sovelletaan Azure OpenAI Assistant -ohjelmointirajapintoihin, jotka ovat käyttäjien kysymysten käsittelyn pohjana. Tämä lähestymistapa varmistaa, että kysymys noudattaa suojausprotokollia, vastuullisia tekoälykäytäntöjä ja käyttöoikeuksia. Tekoälytaidolla pakotaan tiukasti vain luku -käyttöoikeudet ja ylläpidetään vain luku -tietoyhteyksiä kaikkiin tietolähteisiin.

Tietolähteen tunnistus -: Tekoälytaidossa käytetään käyttäjän tunnistetietoja tietolähteen rakenteen käyttämiseen. Näin varmistetaan, että järjestelmä noutaa tietorakenteen tiedot, joita käyttäjällä on oikeus tarkastella. Sen jälkeen se arvioi käyttäjän kysymyksen kaikkiin saatavilla oleviin tietolähteisiin, mukaan lukien relaatiotietokannat (Lakehouse ja Warehouse), Power BI -tietojoukot (semanttiset mallit) ja KQL-tietokannat. Se saattaa myös viitata käyttäjän antamiin tekoälyohjeisiin, joilla määritetään tärkein tietolähde.

Tool Invoation & Query Generation -: Kun oikea tietolähde tai lähteet on tunnistettu, tekoälyn taito toistaa kysymyksen selkeyden ja rakenteen vuoksi ja kutsuu sitten vastaavan työkalun jäsennetdyn kyselyn luomiseksi:

  • Luonnollinen kieli SQL:ään (NL2SQL) relaatiotietokantoja varten (Lakehouse/Warehouse).
  • Luonnollinen kieli daksi (NL2DAX) Power BI -tietojoukoille (semanttiset mallit).
  • KQL-tietokantojen luonnollinen kieli: KQL (NL2KQL).

Valittu työkalu luo kyselyn, joka perustuu annettuun rakenteeseen, metatietoihin ja kontekstiin, jonka tekoälytaidon pohjana oleva agentti välittää.

Query Validation: Työkalu suorittaa tarkistuksen varmistaakseen, että kysely on muotoiltu oikein ja että se noudattaa omia suojausprotokolliaan ja RAI-käytäntöjään.

kyselyn suorittamisen & vastauksen:: Kun tekoälytaidot on vahvistettu, se suorittaa kyselyn valitulle tietolähteelle. Tulokset muotoillaan ihmisen luettavissa olevaksi vastaukseksi, joka voi sisältää jäsennettyjä tietoja, kuten taulukoita, yhteenvetoja tai merkityksellisiä tietoja.

Tämä lähestymistapa varmistaa, että käyttäjät voivat käsitellä tietojaan käyttäen luonnollista kieltä, kun taas tekoälytaito käsittelee kyselyn luomisen, vahvistamisen ja suorituksen monimutkaisuus – kaikki tämä ilman, että käyttäjien on kirjoitettava SQL:ää, DAX:ää tai KQL:ää itse.

Tekoälyn taitojen määritys

Tekoälytaidon määrittäminen on samantapaista kuin Power BI -raportin luominen – aloitat suunnittelemalla ja jalostamalla sitä tarpeidesi mukaisesti ja julkaisemalla sen sitten ja jakamalla sen työtovereille, jotta he voivat käsitellä tietoja. Tekoälytaidon määrittämiseen liittyy:

Tietolähteiden valitseminen: Tekoälytaito tukee enintään viittä tietolähdettä yhdessä tahansa yhdistelmässä, mukaan lukien lakehouset, varastot, KQL-tietokannat ja Power BI:n semanttiset mallit. Esimerkiksi määritetty tekoälytaito voi sisältää viisi semanttista Power BI -mallia. Se voi sisältää kahden semanttisen Power BI -mallin, yhden Lakehouse-mallin ja yhden KQL-tietokannan. Käytettävissäsi on monia vaihtoehtoja.

Asianmukaisten taulukoiden valitseminen: Kun olet valinnut tietolähteet, sinun on lisättävä ne yksi kerrallaan ja määritettävä ne kustakin lähteestä, jota tekoälytaito käyttää. Tämä vaihe varmistaa, että tekoälytaidolla noudetaan tarkkoja tuloksia keskittymällä vain olennaisiin tietoihin.

Kontekstin lisääminen: Tekoälyn taitojen tarkkuuden parantamiseksi voit tarjota enemmän kontekstia tekoälyohjeiden ja esimerkkikyselyiden avulla. Tekoälytaidon pohjana olevana agenttina konteksti auttaa Azure OpenAI Assistant -ohjelmointirajapintaa tekemään tietoon perustuvia päätöksiä siitä, miten käyttäjäkysymyksiä käsitellään, ja määrittämään, mikä tietolähde soveltuu parhaiten vastaamaan niihin.

  • tekoälyohjeita: Voit lisätä ohjeita tekoälytaidon taustalla olevan agentin ohjaamiseen ja määrittää parhaan tietolähteen, joka vastaa tietyntyyppisiin kysymyksiin. Voit myös tarjota mukautettuja sääntöjä tai määritelmiä, jotka selventävät organisaation terminologiaa tai tiettyjä vaatimuksia. Nämä ohjeet voivat tarjota enemmän kontekstia tai asetuksia, jotka vaikuttavat siihen, miten agentti valitsee tietolähteet ja lähettää kyselyjä niihin.

    • Suoria kysymyksiä talousmittareita Power BI:n semanttiseen malliin.
    • Määritä Lakehouselle kyselyt, jotka koskevat raakatietojen tarkastelua.
    • Reititä kysymyksiä, jotka edellyttävät lokianalyysia KQL-tietokantaan.

  • Esimerkkikyselyt: Voit lisätä mallikysymys-kyselypareja havainnollistaaksesi, miten tekoälytaidon pitäisi vastata yleisiin kyselyihin. Nämä esimerkit toimivat agentin oppaana, joka auttaa sitä tulkitsemaan samankaltaisia kysymyksiä ja luomaan tarkkoja vastauksia.

Muistiinpano

Power BI:n semanttisen mallin tietolähteiden ei tällä hetkellä tueta mallien kysely/kysymysparien lisäämistä.

Yhdistämällä selkeät tekoälyohjeet ja asianmukaiset esimerkkikyselyt voit paremmin mukauttaa tekoälytaidot organisaatiosi tietotarpeisiin ja varmistaa tarkemmat ja kontekstitietoiset vastaukset.

Tekoälytaidon ja copilotin välinen ero

Vaikka sekä tekoälytaidot että Fabric-copilotit käyttävät muodostavaa tekoälyä tietojen käsittelyyn ja järkeilemiseen, niiden toiminnoissa ja käyttötavoissa on merkittäviä eroja:

Määritysten joustavuus: Tekoälytaidot ovat erittäin määritettävissä. Voit tarjota mukautettuja ohjeita ja esimerkkejä niiden toiminnan mukauttamisesta tiettyihin tilanteisiin. Fabric-copilotit taas on esimääritetty, eivätkä ne tarjoa tällaista mukauttamistasoa.

Scope ja Use Case: Fabric-copilots on suunniteltu auttamaan Microsoft Fabricissa tehtävien, kuten muistikirjakoodin tai varastokyselyiden luonnin, kanssa. Tekoälytaidot ovat sen sijaan erillisiä artefakteja. Jos haluat tehdä tekoälystä monipuolisemman laajemmalle käyttötapaukselle, ne voidaan integroida ulkoisiin järjestelmiin, kuten Microsoft Copilot Studioon, Azure AI Foundryun, Microsoft Teamsiin tai muihin Fabricin ulkopuolisiin työkaluihin.

Tekoälyn taidon arviointi

Tekoälyn taitojen laatu ja turvallisuus käyvät läpi tiukan arvioinnin:

Benchmark -testauksen: Tuotetiimi testasi tekoälytaitoja useissa julkisissa ja yksityisissä tietojoukoissa laadukkaan ja tarkan vastauksen varmistamiseksi.

parannetut haittojen lieventämistoimet: Käytössä on enemmän suojatoimia, joilla varmistetaan, että tekoälyn taitojen tulokset keskittyvät valittujen tietolähteiden kontekstiin, jotta epäolennaisten tai harhaanjohtavien vastausten vaara voidaan vähentää.

Rajoitukset

Tekoälytaidot ovat tällä hetkellä julkisessa esikatselussa, ja siinä on rajoituksia. Päivitykset parantavat tekoälyn osaamista ajan mittaan.

  • Tekoälyn taito voi noutaa tietoja luomalla jäsennettyjä kyselyitä (SQL, DAX tai KQL) kysymyksiin, joihin liittyy faktoja, kokonaisarvoja, sijoituksia tai suodattimia. Se ei kuitenkaan pysty tulkitsemaan trendejä, antamaan selityksiä tai analysoimaan pohjana olevia syitä.
  • Tekoälytaidolla luodaan vain SQL/DAX/KQL-lukukyselyitä. Se ei luo SQL/DAX/KQL-kyselyitä, jotka luovat, päivittävät tai poistavat tietoja.
  • Tekoälytaitojen avulla voit käyttää vain antamiasi tietoja. Se käyttää vain antamiasi tietoresurssimäärityksiä.
  • Tekoälyn taidolla on tietojen käyttöoikeudet, jotka vastaavat käyttäjälle tekoälyn taidolle annettuja käyttöoikeuksia. Tämä pitää paikkansa, kun tekoälytaitoja julkaistaan muissa sijainneissa, kuten Microsoft Copilot Studiossa, Azure AI Foundryssa ja Microsoft Teamsissa.
  • Tekoälytaitoon ei voi lisätä enempää kuin viisi tietolähdettä.
  • Et voi käyttää tekoälyn osaamista jäsentämättömien tietoresurssien käyttämiseen. Nämä resurssit sisältävät esimerkiksi .pdf-, .docx- tai .txt-tiedostoja.
  • Tekoälyn taidot estävät ei-englanninkieliset kysymykset tai ohjeet.
  • Et voi muuttaa tekoälytaidon käyttämää LLM:a.
  • KQL-tietokantaa ei voi lisätä tietolähteeksi, jos siinä on yli 1 000 taulukkoa tai mikä tahansa yli 100 saraketta sisältävä taulukko.
  • Et voi lisätä tietolähteeksi Power BI:n semanttista mallia, jos se sisältää yhteensä yli 100 saraketta ja mittaria.
  • Tekoälyn taidot toimivat parhaiten, kun kaikissa tietolähteissä on valittuna 25 taulukkoa tai vähemmän taulukoita.
  • Tietoresurssien sarakkeiden ja taulukoiden nimillä on merkittävä ja negatiivinen vaikutus luotuun SQL/DAX/KQL-kyselyn laatuun. Suosittelemme kuvaavien nimien käyttämistä.
  • Liian monien sarakkeiden ja taulukoiden käyttö saattaa heikentää tekoälyn osaamista.
  • Tekoälytaito on tällä hetkellä suunniteltu yksinkertaisten kyselyiden käsittelemiseen. Monimutkaiset kyselyt, jotka edellyttävät useita liitoksia tai hienostunutta logiikkaa, ovat yleensä luotettavampia.
  • Jos lisäät tietolähteeksi Power BI:n semanttisen mallin, tekoälytaidossa ei käytetä piilotettuja taulukoita, sarakkeita tai mittareita.
  • Jos loit aiemmin tekoälytaidon, joka käytti varastoa tietolähteenä ja varasto sijaitsee työtilassa, joka ei isännöi kyseistä tekoälyn osaamista, saatat kohdata virheen. Voit ratkaista ongelman poistamalla aiemmin luodun tietolähteen ja lisäämällä sen uudelleen.
  • Jos haluat lisätä semanttisen Power BI -mallin tekoälytaidon tietolähteeksi, tarvitset luku- ja kirjoitusoikeudet kyseiseen Power BI -semanttiseen malliin. Power BI:n semanttista mallia käyttävän tekoälytaidon kyseleminen edellyttää myös, että sinulla on pohjana olevan semanttisen Power BI -mallin luku- ja kirjoitusoikeudet.
  • Tekoälytaidot saattavat palauttaa virheellisiä vastauksia. Testaa tekoälytaitoa työtovereidesi kanssa varmistaaksesi, että tekoäly vastaa kysymyksiin odotetulla tavalla. Jos siinä on virheitä, anna sille lisää esimerkkejä ja ohjeita.
  • Jos olet aiemmin luonut ja julkaissut tekoälytaidon ja olet käyttänyt sen URL-osoitetta ohjelmallisesti, URL-osoite ei enää toimi, jos avaat tekoälytaidon tekoälytaidon uudella käyttöliittymäsivulla. Sinun on julkaistava tekoälytaidot uudelleen ja käytettävä uutta URL-osoitetta Assistants-ohjelmointirajapinnan perusteella.

Liittyvä sisältö