Azure AI Foundry: подолання розриву між природною мовою та SQL, або text to sql
Доступність даних є загальною проблемою, особливо для користувачів з обмеженими знаннями SQL. Однак прогрес у ШІ дозволяє легко подолати цю прогалину. Azure AI Foundry пропонує інструменти для перетворення природної мови на команди SQL, запитів до баз даних і навіть створення динамічних візуалізацій — і все це без технічних знань.
У цій статті ми розглянемо Azure AI Foundry на реальних прикладах. Ви дізнаєтеся, як створити програму, яка спрощує генерацію SQL, візуалізує результати та використовує інструменти штучного інтелекту вiд Azure.
Проблема: подолання прогалини в знаннях SQL
Багатьом користувачам важко взаємодіяти з базами даних через брак знань SQL. Це може сповільнити прийняття рішень і аналіз даних. Azure AI Foundry вирішує це, автоматизуючи процес:
- Користувачі вводять запити природною мовою (english).
- Система перетворює ці запити в команди SQL.
- Виконує команди в базі даних і генерує візуалізації.
Приклад реального запиту
Уявіть собі такий запит:
«daily rides count in 2024» (Кількість щоденних записів у 2024 році).
Система генерує команду SQL, запитує базу даних і динамічно створює діаграму.
Тепер, якщо розширити запит до:
«daily rides count and revenue in 2024» (Кількість щоденних записів і дохід),
команда SQL і візуалізації оновлюються автоматично, щоб включити додаткові показники.
Ця стаття складається з двох частин:
- Частина перша : Налаштування Azure AI Foundry, створення базової програми та генерування SQL-запитів за допомогою LLM.
- Частина друга : покращення функціональності шляхом інтеграції спеціальних даних у пошук Azure та візуалізації результатів за допомогою Python.
Можливості ШІ з допомогою Azure AI Foundry
ШІ відмінно справляється з різними завданнями, зокрема:
- Вести розмови.
- Розпізнавати дані та виконувати аналіз образів.
- Виконувати обробку мови, аудіо та відео.
- Аналіз ціфрового зору (vision analysis).
Однак жодна модель не може ефективно впоратися з усіма цими завданнями. Наприклад, розмовні моделі чудово справляються з діалогом, тоді як моделі ціфрового бачення спеціалізуються на аналізі зображень.
Azure AI Foundry спрощує це, дозволяючи вам вибирати та комбінувати найкращі моделі для ваших конкретних потреб.
Що таке Azure AI Foundry?
Azure AI Foundry — це уніфікована платформа штучного інтелекту , яка дозволяє розробляти наскрізні рішення ШІ. Вона пропонує :
- Дослідження моделі, порівняння та оцінка.
- навчання моделі і розгортання.
- Інтеграція з Azure .
- Моніторинг і оптимізація.
Як працює Azure AI Foundry
Платформа складається з кількох компонентів:
- AI Hub : керує безпекою, підключенням і обчислювальними ресурсами.
- Проекти AI : містить моделі, інструменти та індекси для ізольованих робочих процесів.
- Послуги штучного інтелекту : пропонує послуги зору, мови, перекладу, аналізу документів і Azure OpenAI.
- Параметри моделі : тут ви можете вибрати із безлічі готових моделей від таких постачальників, як Meta та Hugging Face.
Покрокове налаштування: Azure AI Foundry
Створення AI Hub
- Відкрийте портал Azure і знайдіть Azure AI Foundry .
- Виберіть «Створити» та виберіть параметр «Hub»
- Використовуйте наявну або нову групу ресурсів.
- Назвіть хаб (наприклад, «AI Hub») і продовжте налаштування.
- Через кілька хвилин ваш Hub буде готовий.
Створення проекту
- Перейдіть до ресурсу та запустіть Azure AI Foundry.
- Створіть проект (наприклад, «SQL Analytics»).
- Ви потрапите на сторінку огляду з деталями проекту, включаючи ключі та посилання.
Особливості Azure AI Foundry
- Каталог моделей : порівняйте моделі від таких постачальників, як OpenAI і Hugging Face.
- Тестовий майданчик : дозволяє інтерактивно тестіть моделі.
- Точне налаштування : тренуйте моделі з вашими конкретними наборами даних.
Побудова запиту SQL генератор
- Розгорнути модель :
- Виберіть базову модель (наприклад, Mini LM).
- Налаштуйте параметри моделі та розгорніть.
- Перевірте модель :
- Використовуйте Playground, щоб перевірити введення природною мовою.
- Приклад: введіть «Днів у 2025» (days in feb 2025) та отримайте дійсний запит SQL.
- Уточніть Інструкції (promt) :
- Оновіть інструкції моделі, щоб зосередитися на створенні запитів SQL.
- Наприклад, налаштуйте модель для створення SQL-запитів на основі вказаної таблиці та стовпців.
Подолання проблем масштабованості
Хоча система зараз передає контекст таблиці для кожного виклику LLM, цей підхід не можна масштабувати для великих баз даних. Передача контексту збільшує споживання і витрати.
Навiщо Azure Search? як зробити scalable application?
Рішенням може бути використання Azure Search який може оптимізувати цей процес. Використовуючи Azure Search, ви можете зменшити використання маркерів, зберігаючи точне й ефективне створення запитів SQL. (також додав Azure Search + data можно додати приклади — шаблони)
Висновок
Azure AI Foundry — це потужний інструмент для подолання розриву між природною мовою та взаємодією з базою даних. Завдяки надійним можливостям користувачі можуть створювати SQL-запити, візуалізувати дані та створювати масштабовані рішення штучного інтелекту, не потребуючи великих технічних знань.
1 коментар
Додати коментар Підписатись на коментаріВідписатись від коментарів