Compreenda as capacidades da Foundry
A Microsoft Foundry fornece uma interface de utilizador baseada em hubs e projetos. Em geral, a criação de um hub fornece acesso mais abrangente à IA do Azure e ao Azure Machine Learning. Dentro de um hub, você pode criar projetos. Os projetos fornecem acesso mais específico a modelos e desenvolvimento de agentes. Pode gerir os seus projetos a partir da página de visão geral do Microsoft Foundry.
Quando cria um Azure AI Hub, vários outros recursos são criados em conjunto, incluindo um recurso do Foundry Tools . No Microsoft Foundry, pode testar todo o tipo de ferramentas Foundry, incluindo Azure Speech, Azure Language, Azure Vision e Microsoft Foundry Content Safety.
Para além das demonstrações, o Microsoft Foundry disponibiliza playgrounds para testar as Foundry Tools e outros modelos do catálogo de modelos.
Personalização de modelos
Há muitas maneiras de personalizar os modelos em aplicações de IA generativas. O objetivo da personalização do seu modelo é melhorar aspetos do seu desempenho, incluindo a qualidade e segurança das respostas. Vamos analisar quatro das principais formas de personalizar modelos no Microsoft Foundry.
| Método | Descrição |
|---|---|
| Usando dados de fundamentação | Fundamentação refere-se ao processo de garantir que os resultados de um sistema estejam alinhados com fontes de dados factuais, contextuais ou confiáveis. O aterramento pode ser feito de várias maneiras, como vincular o modelo a um banco de dados, usar mecanismos de busca para recuperar informações em tempo real ou incorporar bases de conhecimento específicas do domínio. O objetivo é ancorar as respostas do modelo a essas fontes de dados, aumentando a confiabilidade e aplicabilidade do conteúdo gerado. |
| Implementando a geração de Retrieval-Augmented (RAG) | O RAG aumenta um modelo de linguagem conectando-o ao banco de dados proprietário de uma organização. Essa técnica envolve recuperar informações relevantes de um conjunto de dados curado e usá-lo para gerar respostas contextualmente precisas. O RAG melhora o desempenho do modelo, fornecendo-lhe informações up-toespecíficas de data e domínio, o que ajuda a gerar respostas mais precisas e relevantes. O RAG é útil para aplicações em que o acesso em tempo real a dados dinâmicos é crucial, como suporte ao cliente ou sistemas de gestão do conhecimento. |
| Ajuste | Envolve pegar um modelo pré-treinado e treiná-lo em um conjunto de dados menor e específico da tarefa para torná-lo mais adequado para uma aplicação específica. Esse processo permite que o modelo se especialize e tenha um melhor desempenho em tarefas específicas que exigem conhecimento específico do domínio. O ajuste fino é útil para adaptar os modelos aos requisitos específicos do domínio, melhorar a precisão e reduzir a probabilidade de gerar respostas irrelevantes ou imprecisas. |
| Gerir controlos de segurança e governação | Os controles de segurança e governança são necessários para gerenciar o acesso, a autenticação e o uso de dados. Esses controles ajudam a evitar a publicação de informações incorretas ou não autorizadas. |
De seguida, vamos perceber como a Microsoft Foundry fornece ferramentas para a avaliação do desempenho de aplicações de IA generativa.