Azure AI Services : Tout ce que vous devez savoir sur la PS5 et le gaming !
Azure AI Services
Aperçu des Services Azure AI
Les services Azure AI aident les développeurs et les organisations à créer rapidement des applications intelligentes, de pointe, prêtes pour le marché et responsables, avec des API et des modèles préconstruits et personnalisables.
Les services Azure AI et Azure Machine Learning ont pour objectif final d’appliquer l’intelligence artificielle (IA) pour améliorer les opérations commerciales, bien que la manière dont chacun propose cela dans les offres respectives soit différente. En général, les publics sont différents :
Les services Azure AI sont destinés aux développeurs sans expérience en apprentissage automatique.
Le Machine Learning Azure est conçu pour les data scientists.
Les services Azure AI étaient auparavant appelés Services Cognitifs, mais désormais les Services Cognitifs et les Services IA appliquée sont désignés comme Services Azure AI.
Liens Importants
Exemples d’applications incluent le traitement du langage naturel pour les conversations, la recherche, la surveillance, la traduction, la parole, la vision et la prise de décision.
Offres d’Accès Limité
Caractéristiques des Services à Accès Limité
De nombreux services Azure AI disposent d’une offre gratuite que vous pouvez utiliser pour essayer le service. Pour utiliser cette offre gratuite, utilisez F0 comme SKU pour votre ressource.
Écosystème d’Azure
Avec Azure et les services Azure AI, vous avez accès à un vaste écosystème, tel que :
Outils d’automatisation et d’intégration tels que Logic Apps et Power Automate.
Options de déploiement telles que Azure Functions et le service App.
Des conteneurs Docker Azure AI Services pour un accès sécurisé.
Des outils comme Apache Spark, Azure Databricks, Azure Synapse Analytics et Azure Kubernetes Service pour des scénarios de big data.
Intelligence Artificielle Responsable
L’Intelligence Artificielle Responsable (Responsible AI) est une approche visant à développer, évaluer et déployer des systèmes d’IA de manière sûre, fiable et éthique.
Les services d’IA responsable au sein de la suite de Services Azure AI incluent des options pour Vision, Langage, Parole, Recherche et d’autres.
Termes de l’Intelligence Artificielle Responsable
Pourquoi accepter les termes de l’Intelligence Artificielle Responsable ?
Les systèmes d’IA impliquent technologie, utilisateurs, impacts et contexte de déploiement. La création de systèmes efficaces nécessite une compréhension de la technologie, des capacités et du contexte. Les Notes de Transparence de Microsoft clarifient le fonctionnement, les choix et la perspective holistique de notre IA. Elles aident au développement, au déploiement et à la communication du système.
En plus de la Note de Transparence, Microsoft offre des conseils et des ressources pour une utilisation responsable des modèles Azure OpenAI, conformément à la norme d’Intelligence Artificielle Responsable de Microsoft suivie par les équipes d’ingénierie.
Services Open AI
La Service Azure OpenAI fournit un accès API REST aux puissants modèles de langage d’OpenAI, y compris les séries de modèles GPT-3.5-Turbo, GPT-4, GPT-4 Turbo avec Vision, GPT-4o & GPT-4 Turbo NEW et Embeddings.
Modèles de Déploiement Open AI
Une fois que vous créez une ressource Azure OpenAI, vous devez déployer un modèle avant de pouvoir commencer à faire des appels API et générer du texte. Cette action peut être effectuée à l’aide des APIs de Déploiement.
Le service Azure OpenAI est alimenté par un ensemble diversifié de modèles avec différentes capacités et points de prix. La disponibilité des modèles varie en fonction de la région.
Studio Open AI
L’Azure AI Studio est une plateforme de confiance et inclusive qui permet aux développeurs de tous niveaux de compétence d’innover avec l’IA et de façonner l’avenir. Vous pouvez jouer avec les modèles de déploiement configurés dans l’Azure Open AI Studio et mettre à jour les paramètres d’échelle et de capacité pour différents modèles.
Avec l’Azure AI Studio, vous pouvez évaluer les réponses des grands modèles de langage (LLM) et orchestrer les composants d’application prompt pour une meilleure performance.
La plateforme facilite la scalabilité pour transformer les preuves de concept en production avec simplicité.
Source : techcommunity.microsoft.com
