Wybieranie rozwiązań PaaS platformy Azure dla sztucznej inteligencji

W tym artykule wyjaśniono, jak wybrać zasoby dla rozwiązań platformy Azure w modelu PaaS. Poniższa tabela zawiera podsumowanie głównych rozwiązań PaaS usługi Azure AI i kluczowych kryteriów decyzyjnych.

Wybieranie zasobów dla generowanych obciążeń sztucznej inteligencji

Generatywna sztuczna inteligencja używa wielu zasobów do przetwarzania danych wejściowych i generowania znaczących wyników. Aby tworzyć skuteczne aplikacje, takie jak te, które korzystają z generacji wspomaganej pobieraniem (RAG), wybierz zasoby, które stanowią podstawę dla modeli sztucznej inteligencji i dostarczają dokładne wyniki.

Przepływ pracy generowania sztucznej inteligencji

Poniższy przepływ pracy jest zgodny z powyższym diagramem:

1. Aplikacja sztucznej inteligencji odbiera zapytanie użytkownika.
2. Orkiestrator, taki jak usługa agenta Foundry lub Microsoft Agent Framework, zarządza przepływem danych.
3. Mechanizm wyszukiwania i pobierania znajduje dane podstawowe.
4. Mechanizm wysyła dane uziemienia do platformy generowania sztucznej inteligencji.
5. Platforma generowania sztucznej inteligencji tworzy odpowiedź przy użyciu zapytania użytkownika i danych uziemienia.

Wybór zasobów generacyjnych sztucznej inteligencji

Wykonaj następujące kroki, aby utworzyć generatywne obciążenia RAG:

1. Wybierz generacyjną platformę sztucznej inteligencji. Użyj rozwiązania Foundry lub usługi Azure OpenAI, aby wdrożyć modele generacyjne sztucznej inteligencji i zarządzać nimi. Platforma Foundry oferuje platformę typu code-first z wbudowanymi narzędziami do programowania, wdrażania i aranżacji. Wybierz usługę Azure OpenAI, jeśli potrzebujesz tylko dostępu do modeli OpenAI.

2. Wybierz typ obliczeniowy sztucznej inteligencji. Funkcja Foundry wymaga wystąpień obliczeniowych dla określonych funkcji. Wybierz typ obliczeniowy, który odpowiada potrzebom w zakresie wydajności i budżetu.

3. Wybierz koordynatora. Aby zarządzać przepływem danych i interakcjami, użyj orkiestratorów, takich jak Usługa agenta Foundry lub Microsoft Agent Framework. Jeśli obciążenie używa wielu agentów, upewnij się, że orkiestrator obsługuje potrzebne wzorce orkiestracji agentów sztucznej inteligencji.

4. Wybierz mechanizm wyszukiwania i pobierania wiedzy. Aby ugruntować modele generatywnej sztucznej inteligencji, stwórz bazę danych indeksową lub wektorową dla odpowiednich danych. Usługa Azure AI Search umożliwia tworzenie tradycyjnych i wektorowych indeksów z różnych źródeł danych, stosowanie fragmentów danych i używanie wielu typów zapytań. W przypadku ustrukturyzowanych baz danych rozważ użycie usług Azure Cosmos DB, Azure Database for PostgreSQL lub Azure Managed Redis.

5. Wybierz źródło danych na potrzeby uziemienia danych. Przechowuj dane podstawowe w usłudze Azure Blob Storage dla obrazów, audio, wideo lub dużych zestawów danych. Można również używać baz danych obsługiwanych przez wyszukiwanie AI lub bazy danych wektorowe.

6. Wybierz platformę obliczeniową. Użyj drzewa decyzyjnego usług obliczeniowych w usłudze Azure, aby wybrać odpowiednią platformę dla obciążenia.

Wybieranie zasobów dla niegeneracyjnych obciążeń sztucznej inteligencji

Niegeneracyjne obciążenia sztucznej inteligencji używają platform, zasobów obliczeniowych, źródeł danych i narzędzi do przetwarzania danych w celu obsługi zadań uczenia maszynowego. Wybierz zasoby, które ułatwiają tworzenie obciążeń sztucznej inteligencji przy użyciu wstępnie utworzonych lub niestandardowych rozwiązań.

Niegeneracyjny przepływ pracy sztucznej inteligencji

Poniższy przepływ pracy jest zgodny z powyższym diagramem:

1. Aplikacja sztucznej inteligencji pozyskiwa dane przychodzące.
2. Opcjonalny mechanizm przetwarzania danych wyodrębnia lub przekształca dane.
3. Punkt końcowy modelu AI analizuje dane.
4. Dane można używać do trenowania lub dostrajania modeli sztucznej inteligencji.

Wybór niegeneracyjnych zasobów sztucznej inteligencji

Wykonaj następujące kroki, aby utworzyć niegeneracyjne obciążenia sztucznej inteligencji:

1. Wybierz niegeneracyjną platformę sztucznej inteligencji. Używaj usług sztucznej inteligencji lub uczenia maszynowego w zależności od potrzeb. Usługi sztucznej inteligencji oferują wstępnie utworzone modele, które upraszczają wdrażanie i zmniejszają potrzebę zaawansowanych umiejętności nauki o danych. Uczenie maszynowe pozwala na tworzenie niestandardowych modeli przy użyciu danych i ich integrację z zadaniami przetwarzania.

2. Wybierz typ obliczeniowy sztucznej inteligencji. Usługa Machine Learning wymaga zasobów obliczeniowych do uruchamiania zadań lub punktów końcowych hosta. Wybierz typ obliczeniowy, który odpowiada potrzebom w zakresie wydajności i budżetu. Usługi sztucznej inteligencji nie wymagają zasobów obliczeniowych.

3. Wybierz źródło danych. Użyj obsługiwanych źródeł danych , aby hostować dane szkoleniowe na potrzeby uczenia maszynowego. Wiele usług sztucznej inteligencji nie wymaga dostrajania danych. Niektóre usługi sztucznej inteligencji, takie jak Usługa Azure AI Custom Vision, umożliwiają przekazywanie plików lokalnych do magazynu zarządzanego.

4. Wybierz platformę obliczeniową. Użyj drzewa decyzyjnego usług obliczeniowych w usłudze Azure, aby wybrać odpowiednią platformę dla obciążenia.

5. Wybierz usługę przetwarzania danych (opcjonalnie). Przetwarzanie danych bezserwerowych przy użyciu usługi Azure Functions. Używanie usługi Azure Event Grid do wyzwalania potoków przetwarzania danych.

Dalsze kroki