سرویس Azure OpenAi چیست؟

سرویس Azure OpenAi دسترسی API را به مدلهای زبان قدرتمند OpenAI از جمله سری GPT-3 ، Codex و Series Model ارائه می دهد. علاوه بر این ، سری جدید مدل GPT-4 و ChatGPT (GPT-35-Turbo) اکنون به دسترسی عمومی رسیده است. این مدلها را می توان به راحتی با کار خاص شما سازگار کرد ، از جمله اما محدود به تولید محتوا ، خلاصه ، جستجوی معنایی و زبان طبیعی برای ترجمه کد نیست. کاربران می توانند از طریق API های REST ، Python SDK یا رابط مبتنی بر وب ما در استودیوی Azure AI به این سرویس دسترسی پیدا کنند.

نمای کلی ویژگی ها

AI مسئول

در مایکروسافت ، ما متعهد به پیشرفت هوش مصنوعی هستیم که توسط اصولی هدایت می شود که مردم را در اولویت قرار می دهد. مدل های تولیدی مانند مدل های موجود در Azure OpenAI از مزایای بالقوه قابل توجهی برخوردار هستند ، اما بدون طراحی دقیق و کاهش متفکرانه ، چنین مدلهایی پتانسیل تولید محتوای نادرست یا حتی مضر را دارند. مایکروسافت سرمایه گذاری های مهمی را برای کمک به محافظت در برابر سوءاستفاده و آسیب ناخواسته انجام داده است ، که شامل متقاضیان برای نشان دادن موارد استفاده به خوبی تعریف شده ، شامل اصول مایکروسافت برای استفاده مسئول در مورد هوش مصنوعی ، ساخت فیلترهای محتوا برای پشتیبانی از مشتریان و ارائه راهنمایی اجرای مسئولیت AI برای مشتریان سوار شده است. بشر

چگونه می توانم به Azure Openai دسترسی پیدا کنم؟

چگونه می توانم به Azure Openai دسترسی پیدا کنم؟

در حال حاضر دسترسی محدود است زیرا ما تقاضای زیاد ، پیشرفت های آینده محصول و تعهد مایکروسافت به مسئول هوش مصنوعی را هدایت می کنیم. در حال حاضر ، ما در حال همکاری با مشتریان با همکاری موجود با مایکروسافت ، موارد استفاده کمتر از ریسک و کسانی که متعهد به ترکیب کاهش هستند.

اطلاعات خاص تر در فرم درخواست گنجانده شده است. ما از صبر و شکیبایی شما قدردانی می کنیم تا بتوانیم با مسئولیت پذیری دسترسی گسترده تری به Azure Openai را فعال کنیم.

برای دسترسی در اینجا اقدام کنید:

مقایسه Azure Openai و Openai

سرویس Azure OpenAi به مشتریان AII AIA با OpenAI GPT-4 ، GPT-3 ، CODEX و DALL-E مدل ها را با وعده امنیتی و سازمانی لاجورد به مشتریان می دهد. Azure Openai API ها را با OpenAI توسعه می دهد و از سازگاری و انتقال صاف از یک به دیگری اطمینان می دهد.

با استفاده از Azure OpenAi ، مشتریان در حالی که همان مدل های OpenAI را اجرا می کنند ، قابلیت های امنیتی مایکروسافت لاجورد را دریافت می کنند. Azure OpenAI شبکه های خصوصی ، در دسترس بودن منطقه ای و فیلتر محتوای AI مسئول را ارائه می دهد.

مفاهیم کلیدی

اعلان ها و تکمیل

نقطه پایانی تکمیل مؤلفه اصلی سرویس API است. این API دسترسی به رابط متن ، متن ، متن را فراهم می کند. کاربران به سادگی نیاز به ارائه سریع ورودی حاوی دستور متن انگلیسی دارند و این مدل تکمیل متن را ایجاد می کند.

در اینجا نمونه ای از یک فوریت و تکمیل ساده آورده شده است:

سریع: "" "تعداد 5 در یک حلقه برای" "" ""

تکمیل: برای من در محدوده (1 ، 6): چاپ (i)

توکن

Azure Openai متن را با شکستن آن به نشانه ها پردازش می کند. نشانه ها می توانند کلمات یا فقط بخش هایی از شخصیت باشند. به عنوان مثال ، کلمه "همبرگر" به نشانه های "ژامبون" ، "bur" و "ger" شکسته می شود ، در حالی که یک کلمه کوتاه و مشترک مانند "گلابی" یک نشانه واحد است. بسیاری از نشانه ها با فضای سفید ، به عنوان مثال "سلام" و "خداحافظ" شروع می شوند.

تعداد کل نشانه های پردازش شده در یک درخواست معین بستگی به طول پارامترهای ورودی ، خروجی و درخواست شما دارد. مقدار توکن در حال پردازش نیز بر تأخیر و توان پاسخ شما برای مدل ها تأثیر می گذارد.

منابع

Azure Openai محصول جدیدی است که در Azure ارائه می دهد. شما می توانید در اشتراک Azure خود با Azure Openai به همان روشی که در آن یک منبع یا نمونه خدمات ایجاد می کنید ، با Azure Openai شروع کنید. می توانید اطلاعات بیشتر در مورد طراحی مدیریت منابع لاجورد را بخوانید.

اعزام

پس از ایجاد یک منبع Azure OpenAi ، باید قبل از اینکه بتوانید تماس های API و تولید متن را شروع کنید ، یک مدل را مستقر کنید. این اقدام با استفاده از API های استقرار قابل انجام است. این API ها به شما امکان می دهند مدلی را که می خواهید استفاده کنید مشخص کنید.

یادگیری درون متن

مدل های مورد استفاده توسط Azure OpenAI از دستورالعمل های زبان طبیعی و نمونه هایی که در طول فراخوانی نسل ارائه شده است برای شناسایی کار و مهارت مورد نیاز استفاده می کنند. هنگامی که از این روش استفاده می کنید ، قسمت اول سریع شامل دستورالعمل های زبان طبیعی و/یا نمونه هایی از کار خاص مورد نظر است. سپس مدل با پیش بینی محتمل ترین متن بعدی کار را انجام می دهد. این تکنیک به عنوان یادگیری "درون متن" شناخته می شود. این مدل ها در این مرحله دوباره آموزش داده نمی شوند ، اما در عوض بر اساس زمینه ای که در فوریت درج می کنید ، پیش بینی می کنند.

سه رویکرد اصلی برای یادگیری درون متن وجود دارد: چند عکس ، یک شات و صفر-شات. این رویکردها بر اساس میزان داده های خاص کار که به مدل داده می شود متفاوت است:

چند شات: در این حالت ، یک کاربر شامل چندین نمونه در سریع تماس است که نشان دهنده قالب و محتوای پاسخ مورد انتظار است. مثال زیر چند سریع شات را نشان می دهد که در آن نمونه های متعدد ارائه می دهیم (مدل آخرین پاسخ را تولید می کند):

 سوالات را به یک دستور تبدیل کنید: س: در صورت نیاز به نان از کنستانس بپرسید. پاسخ: ارسال-msg `پیدا کردن کنستانس" آیا ما به مقداری نان احتیاج داریم؟س: به گرگ پیام ارسال کنید تا بفهمد آیا اوضاع برای چهارشنبه آماده است یا خیر. پاسخ: ارسال-msg `find greg` آیا همه چیز برای چهارشنبه آماده است؟س: از ایلیا بپرسید که آیا ما امروز عصر هنوز جلسه خود را برگزار می کنیم. پاسخ: ارسال-MSG `ilya` را پیدا کنید آیا ما امروز عصر هنوز جلسه داریم؟س: با فروشگاه اسکی تماس بگیرید و بفهمید که آیا می توانم اسکی خود را قبل از ترک پنجشنبه برطرف کنم. پاسخ: ارسال-MSG `فروشگاه اسکی را پیدا کنید" آیا می توان اسکی های من را قبل از ترک پنجشنبه برطرف کرد؟س: از نیکلاس برای ناهار متشکرم. پاسخ: ارسال-MSG `NICOLAS` را برای ناهار متشکرم! س: به کنستانس بگویید که من قبل از ساعت 19:30 امشب در خانه نخواهم بود - جلسه غیرقابل تحمل. پاسخ: ارسال-msg `پیدا کردن کنستانس من امشب قبل از ساعت 19:30 در خانه نخواهم بود. من یک جلسه دارم که نمی توانم حرکت کنم. س: به جان بگویید که من باید ساعت 10:30 قرار ملاقات رزرو کنم. آ: 

تعداد نمونه ها به طور معمول از 0 تا 100 بسته به تعداد زیادی می توانند در حداکثر طول ورودی برای یک فوری واحد قرار بگیرند. حداکثر طول ورودی بسته به مدل های خاصی که استفاده می کنید می تواند متفاوت باشد. یادگیری چند شات باعث کاهش عمده در میزان داده های خاص کار مورد نیاز برای پیش بینی های دقیق می شود. این رویکرد به طور معمول کمتر از یک مدل تنظیم شده دقیق عمل می کند.

یک شات: این مورد همان رویکرد چند شات است به جز تنها یک مثال ارائه شده است.

صفر-شات: در این حالت ، هیچ نمونه ای به مدل ارائه نشده است و فقط درخواست کار ارائه می شود.

مدل ها

این سرویس امکان دسترسی کاربران به چندین مدل مختلف را فراهم می کند. هر مدل توانایی و قیمت متفاوتی را ارائه می دهد.

مدل های GPT-4 آخرین مدل های موجود هستند. با توجه به دسترسی زیاد تقاضا به این سری مدل در حال حاضر فقط با درخواست در دسترس است. برای درخواست دسترسی ، مشتریان Azure Openai موجود می توانند با پر کردن این فرم درخواست دهند

مدل های پایه GPT-3 به عنوان DaVinci ، Curie ، Babbage و ADA در کاهش ترتیب توانایی و افزایش نظم سرعت شناخته می شوند.

سری مدل های Codex از نوادگان GPT-3 است و به زبان طبیعی و کد برای برقراری زبان طبیعی برای استفاده از موارد استفاده شده است. در مورد هر مدل در صفحه مفهوم مدل های ما بیشتر بدانید.

مدل های Dall-E ، در حال حاضر در پیش نمایش ، تصاویر را از متن متن که کاربر ارائه می دهد ، تولید می کنند.< Pan> صفر-شات: در این حالت ، هیچ نمونه ای به مدل ارائه نشده است و فقط درخواست کار ارائه می شود.