Tekoälytaidon luominen (esiversio)
Microsoft Fabric AI -taidolla voit luoda keskustelullisia tekoälykokemuksia, jotka vastaavat lakehouseihin, varastoihin, semanttisiin Power BI -malleihin ja Fabriciin tallennettuja tietoja koskeviin kysymyksiin. Merkityksellisistä tiedoistasi tulee helppokäyttöisiä. Työtoverisi voivat esittää kysymyksiä pelkkään englanniksi ja saada tietoihin perustuvia vastauksia, vaikka he eivät olisikaan tekoälyasiantuntijoita tai syvästi perehtyneet tietoihin.
Edellytykset
- A:n maksettu F64 tai uudempi Fabric-kapasiteetin resurssi
- Tekoälyn taitojen vuokraajan valitsin on käytössä.
- Copilot-vuokraajavalitsin on käytössä.
- AI Cross-Geo-prosessointi on käytössä.
- AI Cross-Geo-tallennus on käytössä.
- Varasto, Lakehouse, semanttiset Power BI -mallit ja KQL-tietokannat, joissa on tietoja.
- Power BI:n semanttiset mallit XMLA-päätepisteiden vuokraajavalitsimen kautta on käytössä Power BI:n semanttisen mallin tietolähteissä.
Päästä päähän -työnkulku Tekoälytaitojen luomiseen ja kuluttamiseen Fabricissa
Tässä osiossa esitellään tärkeimmät vaiheet tekoälytaidon luomiseen, vahvistamiseen ja jakamiseen Fabricissa, jotta se on käytettävissä kulutusta varten.
Prosessi on yksinkertainen, ja voit aloittaa tekoälyn taitoresurssien testauksen muutamassa minuutissa.
Uuden tekoälytaidon luominen
Jos haluat luoda uuden tekoälytaidon, siirry ensin työtilaasi ja valitse sitten painike + Uusi kohde. Etsi Kaikki kohteet -välilehdestä tekoälytaitojen , jotta löydät sopivan vaihtoehdon, kuten tässä näyttökuvassa on esitetty:
Kun valinta on valittu, sinua pyydetään antamaan nimi tekoälytaidollesi seuraavassa näyttökuvassa esitetyllä tavalla:
Katso annettuun näyttökuvaan visuaalinen opas tekoälytaidon nimeämisestä. Kun olet kirjoittanut nimen, jatka määritystä kohdistamaan tekoälyn taidot omien tarpeidesi mukaan.
Valitse tietosi
Kun olet luonut tekoälytaidon, voit laskea yhteen enintään viisi tietolähdettä, kuten lakehouse-tietokantoja, varastoja, semanttisia Power BI -malleja ja KQL-tietokantoja. Voit esimerkiksi lisätä viisi semanttista Power BI -mallia tai kaksi semanttista Power BI -mallia, yhden Lakehouse-tietokannan ja yhden KQL-tietokannan.
Kun luot tekoälytaidon ensimmäistä kertaa ja annat nimen, OneLake-luettelo tulee näkyviin automaattisesti, jolloin voit lisätä tietolähteitä. Jos haluat lisätä tietolähteen, valitse se luettelosta seuraavassa näytössä esitetyllä tavalla ja valitse sitten Lisää. Jokainen tietolähde on lisättävä erikseen. Voit esimerkiksi lisätä Lakehouse-tallennustilan, valita Lisääja jatkaa sitten toisen tietolähteen lisäämistä. Jos haluat suodattaa tietolähdetyyppejä, valitse suodatinkuvake ja valitse sitten haluttu tyyppi. Voit tarkastella vain valitun tyypin tietolähteitä, mikä helpottaa tekoälytaidoillesi sopivan lähteen paikantamista ja yhdistämistä.
Kun lisäät tietolähteen, Explorerin tekoälyn taitosivun vasemmassa ruudussa täyttää jokaisen valitun tietolähteen käytettävissä olevat taulukot. Voit käyttää valintaruutuja, jotta taulukot ovat käytettävissä tai eivät ole käytettävissä tekoälyssä seuraavassa näyttökuvassa esitetyllä tavalla:
Muistiinpano
Tarvitset luku- ja kirjoitusoikeuden, jotta voit lisätä Power BI:n semanttisen mallin tietolähteeksi tekoälytaitoihin.
Jos haluat lisätä tietolähteitä myöhemmin, siirry Explorer - Tekoälyn taito -sivun vasemmassa ruudussa ja valitse + tietolähde, kuten tässä näyttökuvassa on esitetty:
OneLake-luettelo avautuu uudelleen, ja voit lisätä tietolähteitä saumattomasti tarpeen mukaan.
Juomaraha
Varmista, että käytät kuvaavia nimiä sekä taulukoille että sarakkeille.
SalesData
-niminen taulukko on merkityksellisempi kuin TableA
, ja sarakkeiden nimet, kuten ActiveCustomer
tai IsCustomerActive
, ovat selkeämmät kuin C1
tai ActCu
. Kuvaavien nimien avulla tekoäly voi luoda tarkempia ja luotettavampia kyselyitä.
Esitä kysymyksiä
Kun olet lisännyt tietolähteet ja valinnut tarvittavat taulukot kullekin tietolähteelle, voit aloittaa kysymysten esittämisen. Järjestelmä käsittelee kysymykset tässä näyttökuvassa esitetyllä tavalla:
Näiden esimerkkien kaltaisten kysymysten pitäisi myös toimia:
- "Mikä oli kokonaismyyntimme Kaliforniassa vuonna 2023?"
- "Mitkä ovat viisi myydyintä tuotetta, joilla on korkeimmat luettelohinnat, ja mitkä ovat niiden luokat?"
- "Mitkä ovat kalleimmat tuotteet, joita ei ole koskaan myyty?"
Tämäntyyppiset kysymykset ovat sopivia, koska järjestelmä voi kääntää ne jäsennetyiksi kyselyiksi (T-SQL, DAX tai KQL), suorittaa ne tietokannoista ja palauttaa sitten tallennettuihin tietoihin perustuvia konkreettisia vastauksia.
Tällaiset asiat eivät kuitenkaan kuulu seuraaviin:
- "Miksi tehtaan tuottavuus on alhaisempi vuoden 2024 toisella neljänneksellä?"
- "Mikä on myyntipiikin perimmäinen syy?"
Nämä kysymykset eivät tällä hetkellä kuulu laajuuteen, koska ne edellyttävät monimutkaista päättelyä, korrelaatioanalyysia tai ulkoisia tekijöitä, jotka eivät ole suoraan käytettävissä tietokannassa. Tekoälytaidolla ei tällä hetkellä ole edistynyttä analytiikkaa, koneoppimista tai syy-yhteyttä. Se vain noutaa ja käsittelee jäsennettyjä tietoja käyttäjän kyselyn perusteella.
Kun esität kysymyksen, tekoälytaidossa käytetään Azure OpenAI Assistant -ohjelmointirajapintaa pyynnön käsittelyyn. Työnkulku toimii seuraavasti:
Rakenteen käyttö käyttäjän tunnistetiedoilla
Järjestelmä käyttää ensin käyttäjän tunnistetietoja tietolähteen rakenteen käyttämiseen (esimerkiksi Lakehouse, warehouse, PBI-semanttinen malli tai KQL-tietokannat). Näin varmistetaan, että järjestelmä noutaa tietorakenteen tiedot, joita käyttäjällä on oikeus tarkastella.
Kehotteen muodostaminen
Käyttäjän kysymyksen tulkitsemiseksi järjestelmä yhdistää seuraavat:
- Käyttäjäkysely: Käyttäjän esittämä luonnollisen kielen kysymys.
- Rakenteen tiedot: Edellisessä vaiheessa noudetun tietolähteen metatiedot ja rakennetiedot.
- Esimerkkejä ja ohjeita: Ennalta määritetyt esimerkit (esimerkiksi esimerkkikysymykset ja vastaukset) tai erityiset ohjeet, jotka annetaan tekoälytaidon määrittämisessä. Nämä esimerkit ja ohjeet auttavat tarkentamaan tekoälyn ymmärrystä kysymyksestä ja opastamaan tekoälyn vuorovaikutusta tietojen kanssa.
Kaikkien näiden tietojen avulla luodaan kehote. Tämä kehote toimii syötteenä Azure OpenAI Assistant -ohjelmointirajapinnalle, joka toimii tekoälytaidon pohjana olevana agenttina. Tämä ohjaa tekoälyn taidon kyselyn käsittelyyn ja sen tuottamisen vastaustyypin.
Kyselytarpeisiin perustuva työkalukutsu
Agentti analysoi muodostetun kehotteen ja päättää, mihin työkaluun vastaus haetaan:
- Natural Language to SQL (NL2SQL): Käytetään SQL-kyselyiden luomiseen, kun tiedot sijaitsevat lakehousessa tai varastossa
- Natural Language to DAX (NL2DAX): Käytetään DAX-kyselyiden luomiseen semanttisten mallien kanssa Power BI -tietolähteissä
- Natural Language to KQL (NL2KQL): Käytetään KQL-kyselyiden muodostamiseen tietojen kyselemiseksi KQL-tietokannoissa
Valittu työkalu luo kyselyn käyttämällä rakennetta, metatietoja ja kontekstia, jonka tekoälytaidon pohjana oleva agentti tarjoaa. Työkalu tarkistaa sitten kyselyn, varmistaa oikean muotoilun ja vaatimustenmukaisuuden suojausprotokolliensa ja omien Vastuullinen tekoäly (RAI) -käytäntöjensä kanssa.
Vastausrakenne
Tekoälytaidon pohjana oleva agentti suorittaa kyselyn ja varmistaa, että vastaus on jäsennetty ja muotoiltu asianmukaisesti. Agentti sisältää usein lisäkontekstia, jotta vastaus olisi käyttäjäystävällinen. Lopuksi vastaus näytetään käyttäjälle keskustelemassa käyttöliittymässä seuraavassa näyttökuvassa esitetyllä tavalla:
Agentti näyttää sekä tuloksen että välivaiheet, jotka tekoälyn taidolla kesti lopullisen vastauksen noutamiseksi. Tämä lähestymistapa parantaa läpinäkyvyyttä ja mahdollistaa näiden vaiheiden tarvittaessa vahvistamisen. Käyttäjät voivat laajentaa avattavan valikon vaiheille, jotta he voivat tarkastella kaikkia vaiheita, jotka tekoälyn taidolla on suorittamalla vastauksen hakemiseksi, seuraavassa näyttökuvassa esitetyllä tavalla:
Lisäksi tekoälytaidon avulla luodaan koodi, jota käytetään vastaavan tietolähteen kyselyyn, ja saadaan tarkempia tietoja siitä, miten vastaus on muodostettu.
Nämä kyselyt on suunniteltu yksinomaan tietojen kyselemiseen. Toiminnot, joihin liittyy
- tietojen luominen
- tietopäivitykset
- tietojen poistaminen
- minkä tahansa tyyppinen tietojen muutos
eivät ole sallittuja tietojesi eheyden suojaamiseksi.
Voit milloin tahansa valita Tyhjennä keskustelu -painikkeen keskustelun tyhjentämiseksi seuraavassa näyttökuvassa esitetyllä tavalla:
Tyhjennä keskustelu -ominaisuus poistaa kaiken keskusteluhistorian ja aloittaa uuden istunnon. Kun poistat keskusteluhistorian, et voi noutaa sitä.
Tietolähteen muuttaminen
Jos haluat poistaa tietolähteen, siirrä hiiren osoitin tietolähteen nimen päälle Explorerissa tekoälyn taitosivun vasemmassa ruudussa, kunnes näyttöön tulee kolmen pisteen valikko. Valitse kolme merkkiä, jotta vaihtoehdot näkyvät, ja valitse sitten Poista tietolähteen poistamiseksi seuraavassa näyttökuvassa esitetyllä tavalla:
Vaihtoehtoisesti jos tietolähteesi muuttuu, voit valita Päivitä samassa valikossa seuraavassa näyttökuvassa esitetyllä tavalla:
Tämä varmistaa, että kaikki tietolähteen päivitykset näkyvät sekä resurssienhallinnassa että täytetään oikein, jotta tekoälytaidot pysyvät synkronoituina uusimpien tietojen kanssa.
Tekoälyn taitojen määritys
Tekoälyn taidot tarjoavat useita määritysvaihtoehtoja, joiden avulla käyttäjät voivat mukauttaa tekoälyn taitoa, jotta ne vastaavat paremmin organisaatiosi tarpeita. Tekoälyn taitoprosesseissa ja tietojen esittämisessä nämä määritykset tarjoavat joustavuutta, joka mahdollistaa tulosten hallinnan.
Anna ohjeet
Voit antaa tarkat ohjeet tekoälyn toiminnan ohjaamiseen. Voit lisätä ne valitsemalla tekoälyohjeita seuraavassa näyttökuvassa esitetyllä tavalla:
Tekoälyn ohjeruutu avautuu, kuten tässä näyttökuvassa on esitetty:
Täällä voit kirjoittaa enintään 15 000 merkkiä pelkkään englanninkieliseen tekstiin. Näin tekoäly opastaa kyselyiden käsittelyä.
Voit esimerkiksi määrittää tarkan tietolähteen, jota käytetään tietyntyyppisissä kysymyksissä. Tietolähdevalintoja voivat olla esimerkiksi tekoälyn ohjaaminen käyttämään
- Semanttiset Power BI -mallit talouskyselyitä varten
- a lakehouse for sales data
- KQL-tietokanta toiminnallisia mittareita varten
Näillä ohjeilla varmistat, että tekoäly luo asianmukaiset kyselyt ( SQL, DAX tai KQL) ohjeiden ja kysymysten kontekstin perusteella.
Jos tekoälyresurssi tulkitsee johdonmukaisesti väärin tiettyjä sanoja, lyhenteitä tai termejä, voit antaa tässä osiossa selkeät määritykset varmistaaksesi, että tekoäly ymmärtää ja käsittelee ne oikein. Tästä on hyötyä erityisesti toimialuekohtaisissa terminologiassa tai yksilöllisessä liiketoimintasanastossa.
Räätälöimällä näitä ohjeita ja määrittämällä termejä parannat tekoälyn kykyä tuottaa tarkkoja ja merkityksellisiä tietoja samalla tavalla kuin tietostrategia ja liiketoimintavaatimukset.
Esimerkkikyselyiden tarjoaminen
Voit parantaa tekoälyn taitojen vastausten tarkkuutta, kun annat kullekin tietolähteelle räätälöityjä esimerkkikyselyjä, kuten Lakehouse-, Warehouse- ja KQL-tietokantoja. Tämä lähestymistapa, joka tunnetaan nimellä Few-Shot Learning in generative AI, auttaa ohjaamaan tekoälyn osaamista ja luomaan vastauksia, jotka vastaavat paremmin odotuksiasi.
Kun annat tekoälylle mallikysely/kysymys-pareja, se viittaa näihin esimerkkeihin vastatessaan tuleviin kysymyksiin. Uusien kyselyiden vastaaminen kaikkein merkityksellisimpiin esimerkkeihin auttaa tekoälyä sisällyttämään liiketoimintakohtaisen logiikan ja vastaamaan tehokkaasti usein kysyttyihin kysymyksiin. Tämä toiminto mahdollistaa yksittäisten tietolähteiden hienosäädön ja varmistaa tarkempien SQL- tai KQL-kyselyiden luomisen.
Semanttisen Power BI -mallin tiedot eivät tue mallikysely-/kysymysparien lisäämistä tällä hetkellä. Kuitenkin tuetuissa tietolähteissä, kuten Lakehouse-tietokannoissa, varastossa ja KQL-tietokannoissa, lisäesimerkit voivat parantaa merkittävästi tekoälyn kykyä luoda tarkkoja kyselyitä, kun sen oletussuorituskykyä täytyy muokata.
Juomaraha
Erilaiset esimerkkikyselyt parantavat tekoälytaitojen kykyä luoda tarkkoja ja olennaisia SQL/KQL-kyselyitä. Voit lisätä tai muokata esimerkkikyselyitä valitsemalla Esimerkkikyselyt -painikkeen, jolloin esimerkkikyselyt-ruutu avautuu seuraavassa näyttökuvassa esitetyllä tavalla:
Tässä ruudussa on vaihtoehtoja lisätä tai muokata esimerkkikyselyitä kaikille tuetuille tietolähteille Power BI:n semanttisia malleja lukuun ottamatta. Voit antaa tarvittavat esimerkit kullekin tietolähteelle valitsemalla Lisää tai Muokkaa esimerkkikyselyitä - seuraavassa näyttökuvassa esitetyllä tavalla:
Muistiinpano
Tekoälytaidolla viitataan vain kyselyihin, jotka sisältävät kelvollisen SQL/KQL-syntaksin ja jotka vastaavat valittujen taulukoiden rakennetta. Tekoälyn taito ei käytä kyselyjä, jotka eivät ole vielä suorittaneet vahvistustaan. Varmista, että kaikki esimerkkikyselyt ovat kelvollisia ja että ne on tasattu oikein rakenteen kanssa, jotta tekoälyn taito hyödyntää niitä tehokkaasti.
Tekoälytaidon julkaiseminen ja jakaminen
Kun olet testannut tekoälytaitosi suorituskyvyn eri kysymyksissä ja varmistanut, että se luo tarkkoja SQL-, DAX- tai KQL-kyselyitä, voit jakaa sen työtovereillesi. Valitse tässä vaiheessa Julkaise seuraavassa näyttökuvassa esitetyllä tavalla:
Tämä vaihe avaa ikkunan, jossa pyydetään kuvausta tekoälykyvystä. Tässä on yksityiskohtainen kuvaus tekoälytaidoista. Nämä tiedot opastavat työtovereita tekoälytaidon toimivuudesta ja auttavat muita tekoälyjärjestelmiä/orkeströöreita käynnistämään tekoälytaidon tehokkaasti.
Kun olet julkaissut tekoälytaidon, sinulla on siitä kaksi versiota. Yksi versio on nykyinen luonnosversio, jota voit edelleen tarkentaa ja parantaa. Toinen versio on julkaistu versio, jonka voit jakaa työtovereillesi, jotka haluavat antaa tekoälytaidoille kyselyn saadakseen vastauksia kysymyksiinsä. Voit sisällyttää työtovereidesi palautetta nykyiseen luonnosversioosi kehittäessäsi sitä, mikä parantaa tekoälytaitojen suorituskykyä entisestään.