تحديثات Azure: LLMOPS؛ انتباه؛ مدير بيانات الطاقة

أكد المسؤولون التنفيذيون في Microsoft على جوانب مختلفة من رؤية الشركة للذكاء الاصطناعي في سلسلة من منشورات المدونات في الأيام الأخيرة. ناقش CVP John Montgomery فرصة الإنشاء قيمة قابلة للتكرار مع LLMOPS. تعتمد عمليات نموذج اللغة الكبيرة، أو LLMOPS باختصار، على إمكانات مثل Azure AI Prompt Flows التي تم الإعلان عنها في حدث Build لهذا العام. في سبتمبر، أصدرت Microsoft معاينة عامة لمجموعة أدوات تطوير برامج Azure AI، وتجربة التعليمات البرمجية للتدفق أولاً مع VS Code وواجهة سطر الأوامر.

“على عكس نماذج تعلم الآلة التقليدية التي غالبًا ما يكون لها مخرجات يمكن التنبؤ بها، يمكن أن تكون ماجستير إدارة الأعمال غير حتمية، مما يجبرنا على اعتماد طريقة مختلفة للعمل معها. اليوم يمكن لعالم البيانات التحكم في التدريب واختبار البيانات، وتحديد الأوزان، وتحديد التحيزات باستخدام أدوات مثل كتب مونتغمري: “يمكن أيضًا استخدام لوحة معلومات الذكاء الاصطناعي المسؤولة في Azure Machine Learning لمراقبة النموذج في الإنتاج”.

وفقًا لمونتغمري، تتضمن عملية إعداد LLMOPS ثلاث مراحل. في مرحلة بدء التشغيل، يمكن للعملاء اختيار إنشاء فهرس بحث مدعوم بالذكاء الاصطناعي على البيانات، وإضافة تلك المعلومات إلى نموذج يشبه GPT-4. بعد ذلك تأتي عملية التحسين، حيث يقوم العميل بتكرار عملية التشغيل وتحسينها. وأخيرًا يأتي الإنتاج باستخدام Azure AI لمراقبة الأداء.

اكتشف آندي بيتمان، مدير تسويق المنتجات الأول، القيمة الذكاء الاصطناعي يطلب الإدخال، مما يساعد في دعم نوايا المستخدم وتوقعاته من الذكاء الاصطناعي. وفي شرحه لقيمة المطالبات، أشار بيتمان إلى أنه يجب على العملاء البدء بسؤال بسيط ومفتوح، ووضع الحدود، وتوفير السياق، والتكرار.