O novo ambiente de desenvolvimento de inteligência artificial da Microsoft, que está disponível para visualização pública, adota uma abordagem mais simples para a criação de aplicativos com IA.
O Microsoft Azure tem sido fundamental para os objetivos de inteligência artificial da Microsoft por muitos anos. Inicialmente, disponibilizou produtos de aprendizagem profunda da Microsoft Research como Azure Cognitive Services. Posteriormente, a Microsoft introduziu ferramentas para desenvolver aprendizado de máquina na nuvem, permitindo treinar modelos e hospedar serviços no Azure. Atualmente, o Azure é o centro da família em expansão de Copilots da Microsoft, que se baseiam nos modelos de IA generativa do Azure OpenAI e oferecem aos clientes acesso a esses mesmos modelos.
Com o objetivo de oferecer suporte a todas essas ferramentas e permitir a personalização de modelos de serviço em nuvem, o Azure precisou disponibilizar mais de um ambiente de desenvolvimento. O resultado foi considerado complexo e de difícil compreensão. No entanto, a equipe de IA do Azure desenvolveu o Azure AI Studio como um substituto, que integra as diversas ferramentas de desenvolvimento de IA do Azure, promovendo a criação de conceitos de IA responsáveis e oferecendo suporte a uma variedade de modelos de IA pré-definidos e personalizados.
O progresso do Azure AI Studio representa uma mudança significativa na maneira como aplicamos modelos de inteligência artificial. Em vez de apenas utilizar um único modelo por meio de uma API, estamos agora desenvolvendo pipelines que combinam diferentes elementos de um modelo, ou até mesmo conectando vários modelos para criar um aplicativo multimodal. Ferramentas como LangChain, Semantic Kernel e Prompt Flow são agora componentes essenciais para gerenciar e direcionar a saída de IA gerativa, integrando-a com nossos próprios dados.
Por exemplo, é possível utilizar um aplicativo de visão computacional para identificar objetos em uma imagem. Essa informação pode ser usada em um modelo de linguagem avançado para gerar uma descrição textual da imagem. Em seguida, essa descrição pode ser lida para um usuário com deficiência visual através de um sistema de voz, enquanto ele segura uma câmera.
Introduzindo o Azure AI Studio.
A Microsoft está trazendo suas várias ferramentas de desenvolvimento de IA do Azure para um novo ambiente chamado Azure AI Studio, que foi apresentado em uma prévia pública no Ignite 2023. O foco inicial do AI Studio é a criação de Copilots, aplicações generativas com IA da Microsoft. O AI Studio oferece suporte para ferramentas multimodais de modelos mistos e para o Azure AI SDK, permitindo que os usuários experimentem e refinem seus modelos antes de implantá-los em um ambiente de produção.
Enquanto o Azure AI Studio estiver disponível para o público, a utilização de modelos Azure OpenAI em sua aplicação requer a aprovação da Microsoft. É necessário estar envolvido em um projeto aprovado para um cliente corporativo e trabalhar diretamente com uma equipe de conta da Microsoft. Além disso, é preciso ter um caso de uso específico para o projeto, que será utilizado para acessar o serviço tanto para você quanto para seus usuários. Por exemplo, se a aplicação lidar com informações confidenciais, é provável que seja necessário restringir o acesso apenas a usuários internos em redes seguras.
Não é necessário criar um novo recurso para utilizar o Azure AI Studio, pois é um serviço independente do Azure Portal. Basta fazer o login com uma conta do Azure para começar a trabalhar. Ao acessar o AI Studio, você encontrará uma tela inicial que oferece um catálogo de modelos e o serviço Azure OpenAI. Há também opções que fornecem links para as APIs dos Serviços Cognitivos conhecidos e ferramentas de segurança de conteúdo para ajudar a evitar a inclusão de materiais inadequados nos dados de treinamento ou prompts de aplicativos de IA.
Há quatro guias disponíveis no Azure AI Studio: Home, Explore, Construa e Gerencie. Na aba Home, além dos acessos para as demais seções do serviço, você encontrará diversos projetos de exemplo armazenados no GitHub. Esses projetos fornecerão a estrutura necessária para iniciar o desenvolvimento do seu próprio código. Um exemplo demonstra como criar um Copilot alimentado por IA da Azure, enquanto outro exemplifica como combinar diferentes serviços de IA para desenvolver um aplicativo multimodal.
Desenvolvendo aplicações de inteligência artificial no Azure AI Studio.
Iniciar é fácil o bastante. O processo começa com a criação de um recurso específico de inteligência artificial para gerenciar as máquinas virtuais e serviços utilizados em sua aplicação. O Azure AI Studio guia você por meio de um assistente de configuração familiar do Azure, criando esse recurso e seus serviços de inteligência artificial. Uma novidade interessante é a inclusão do Azure Cognitive Search, agora chamado Azure AI Search. Essa mudança indica que a Microsoft está adotando uma abordagem cuidadosa em relação às arquiteturas de aplicativos de inteligência artificial, necessitando de um ambiente externo de incorporações para dar base à sua aplicação e minimizar o risco de falhas devido a sobreposições rápidas.
Agora é possível incluir um modelo de inteligência artificial em sua instância do Azure AI Studio, como por exemplo, utilizando um modelo de inteligência artificial generativa do Azure OpenAI. Essa adição é feita ao grupo de recursos que você está utilizando para sua aplicação de inteligência artificial, assegurando que você tenha controle sobre o acesso à rede para evitar acessos não autorizados à sua API. Essa medida permite restringir o acesso a uma VNet específica, garantindo que apenas a sua aplicação possa se conectar. Para um controle mais preciso, é possível desativar completamente o acesso à rede pública e criar terminais privados em sub-redes específicas.
Existem muitos modelos disponíveis para escolher, não apenas os da OpenAI, como o Meta’s Llama, modelos de código aberto no Hugging Face, a coleção de modelos da Nvidia e da Microsoft Research. Você pode selecionar um modelo diretamente ou usar uma lista de tarefas de inferência para encontrar o mais adequado para o seu projeto. O catálogo é interativo e permite que você experimente interações básicas antes de utilizar um modelo em seu projeto.
“É relativamente fácil desenvolver uma aplicação com IA no Azure AI Studio. Após criar uma implantação e escolher um modelo, você está pronto para começar a utilizá-lo. Existe um ambiente de testes disponível onde é possível experimentar os comandos e funcionalidades do modelo, como visualizar a saída ou realizar uma interação de chat com IA. No início, o modelo fornecerá respostas genéricas, pois ainda não estará personalizado com seus próprios dados.”
Depois de ficar satisfeito com os comandos básicos e o desempenho do modelo que está sendo utilizado, é possível personalizar o comportamento adicionando mais informações. As fontes de dados podem ser carregadas de diferentes formas, como através de arquivos, do armazenamento Azure Blob ou de um índice Azure AI Search. Esta última opção permite importar rapidamente um índice de vetor pré-processado para melhorar a precisão e a velocidade. Os arquivos podem conter diversos formatos, como PowerPoint, Word, PDF, HTML, Markdown e texto simples. Os novos dados serão indexados pelo Azure AI Search e estarão prontos para serem utilizados no seu modelo de IA.
O Azure AI Studio mantém você informado sobre os custos durante todo o processo, permitindo que tome decisões bem fundamentadas sobre quais recursos habilitar, como a pesquisa vetorial. Após a ingestão dos dados, é possível utilizar o playground para testar as respostas do modelo, assegurando que estejam corretas.
O modelo pode ser implementado como um aplicativo web para testes adicionais, incluindo autenticação para diferentes usuários inquilinos por meio de ID de entrada. Nesse momento, é possível transferir o conteúdo do playground para o Prompt Flow para continuar o desenvolvimento.
Unindo modelos, solicitações y interfaces de programación de aplicaciones (APIs) con Fluxo Prompt.
O Prompt Flow é uma ferramenta oferecida pelo Azure AI Studio que permite a integração de modelos, prompts e APIs para criar aplicações avançadas impulsionadas por inteligência artificial. Com essa ferramenta, é possível gerenciar solicitações de sistema, entrada de usuário e serviços, integrando-os de forma fluida em um fluxo semelhante aos construídos em Kernel semântico ou LangChain.
O Prompt Flow oferece uma representação visual dos componentes da sua aplicação e como cada etapa se conecta à seguinte, permitindo que você desenvolva e teste serviços semelhantes ao Copilot ligando nós que desempenham funções específicas. Esses nós podem envolver Python, o que possibilita a utilização de ferramentas de ciência de dados. Embora seja possível criar seus próprios fluxos do zero, o Prompt Flow inclui um conjunto de modelos básicos que oferecem a estrutura necessária para um desenvolvimento mais avançado. Esses modelos incluem estruturas para a construção de chats longos com uma memória de conversa.
Ao utilizar a extensão Prompt Flow no Visual Studio Code, você tem a opção de trabalhar no Azure AI Studio ou no Visual Studio Code, podendo escolher o ambiente de desenvolvimento que preferir. Embora a abordagem baseada em código resulte na perda do gráfico de fluxo visual, com conexões e elementos de fluxo definidos em YAML, a extensão Prompt Flow para o Visual Studio Code não apenas permite trabalhar com o código do fluxo, mas também oferece um editor visual e uma visualização do gráfico de fluxo.
O Azure AI Studio está atualmente em fase de pré-visualização, porém já apresenta uma perspectiva interessante sobre a criação de aplicativos de inteligência artificial. A variedade de ferramentas de IA da Microsoft demonstra que a empresa adotou amplamente a IA generativa e incorporou os conhecimentos adquiridos na produção de assistentes confiáveis. Isso sugere que existe um caminho rápido para implementar a IA generativa em suas aplicações e dados.
