AI-050: Generative KI-Lösungen mit Azure OpenAI entwickeln

1. Azure Open AI Intro Demo: Hallo, alle zusammen. Also willkommen zu diesem Kurs. Das ist AI 050. Das ist die Entwicklung der generativen KI-Lösungen mit Ihrem Open AI-Service Zuallererst gibt es für diesen Kurs keine Zertifizierungsprüfung, aber Sie können diesen Kurs auf jeden Fall zu Ihrem Wissenszweck machen . Und eines der wichtigsten Dinge, dass Sie diesen Kurs machen werden , weil dieses spezielle Thema bei anderen Zertifizierungsprüfungen wie AI 900 oder AI 102 sehr wichtig ist bei anderen Zertifizierungsprüfungen wie AI 900 oder AI 102 sehr wichtig . Wenn Sie also nach einer KI-Grundprüfung oder einer AI 102 suchen, handelt es sich um eine Prüfung auf assoziiertem Niveau. Dieses Thema ist da drin, oder? Deshalb ist diese spezielle Lösung sehr wichtig. Lassen Sie uns nun verstehen, was genau das Kursmodul in diesem Kurs sein wird und was in allen Kursmodulen behandelt wird. Zuallererst werden wir auf jeden Fall eine offene KI-Ressource auf der SR-Plattform entwickeln . Wir können diese GPT-ähnliche Anwendung mithilfe der LLM-Modelle erstellen , große Sprachmodelle wie GPT-Modelle, wir können auch Bilder mit einem Dali-Modell generieren gibt es also verschiedene Modelle, wie Open AI Wenn Sie grundsätzlich eine Antwortanwendung in natürlicher Sprache haben eine Antwortanwendung in natürlicher Sprache möchten, sollten Sie Chat GPT erstellen Aber wenn Sie möchten, sagen wir, Sie schreiben einen Text und möchten, dass ein Bild generiert wird, dann verwenden wir ein Dali-Modell, und natürlich werden wir auch verschiedene Modelle verwenden Sie können es auch für Ihre eigenen Daten verwenden. Wenn Sie über eigene Daten verfügen, können Sie natürlich Ihren Open AI-Service und auch Ihre eigenen Anwendungen verwenden. Deshalb wünsche ich Ihnen viel Glück für diesen Kurs. Sie Fragen haben, können Sie gerne Fragen Wenn Sie Fragen haben, können Sie gerne Fragen stellen. Danke euch allen. 2. Kursübersicht: Ll, alle zusammen. Willkommen im Kursübersichtsbereich von AI 050, der generativen KI-Lösung mit Ihrem Open AI-Service Lassen Sie uns nun über diesen Kurs sprechen. Nun, das ist der Kurs zur Entwicklung generativer KI-Lösungen , den wir bereits besprochen haben. Zuallererst gibt es keine spezielle Prüfung, die Sie für diesen Kurs planen können. Dies ist ein Kurs für Ihr Wissen, aber es gibt keine Prüfung als solche, die es derzeit für diesen Kurs gibt. Aber jetzt werden mich die Leute fragen, welchen Vorteil wir haben werden, wenn wir diesen Kurs machen. Nehmen wir an, Sie streben eine andere KI-basierte Zertifizierung an, vielleicht AI 900 oder KI eins oder zwei. Dieses Thema ist allen KI-basierten Zertifizierungen gemeinsam. Das heißt, dies ist das Thema, das Sie in jedem einzelnen Thema finden werden. Jede einzelne Prüfung, das ist AI 900 AI eins oder zwei. Dies ist ein wichtiger Open-AI-Service , ein wichtiger Service von Microsoft, wenn Sie generative KI-Lösungen entwickeln möchten. Ich würde sagen, das ist ein wichtiger besonderer Kurs. nun verstehen, welche Dinge in diesem Kurs behandelt werden Lassen Sie uns nun verstehen, welche Dinge in diesem Kurs behandelt werden? Dies sind die Module, die in diesem Kurs „ Deploy Open A Resource“ und „OpenAI-Modell“ behandelt Deploy Open A Resource“ und „OpenAI-Modell Sie können die verschiedenen Modelle entwickeln, die es gibt , wenn es um dieses OpenAI geht, zum Beispiel das GPT-Modell, das Einbetten von Modellen ist da, das Dali-Modell ist da, wie man den Code generiert, wie man auf der Grundlage Ihrer Beschreibung etwas generiert, das als Bilder bezeichnet wird Bilder Sie werden hier also viele verschiedene Module finden, seltsame Modelle hier seltsame Sie werden auch etwas finden als großes Sprachmodell bezeichnet wird. Wir haben darüber gesprochen, was genau die großen Sprachmodelle sind. Außerdem werden Sie sehen, wie Sie diesen Open AI-Service auch mit Ihren Daten nutzen können. Open AI ist ein Microsoft-basierter Dienst , mit dem Sie generative Inhalte erstellen können Sie müssen die Anwendungen wie CAT GPT Copilot gesehen haben Das basiert vollständig auf generativen KI-basierten Wir können diese KI-basierten Anwendungen mithilfe dieses speziellen Dienstes Colles Open AI erstellen mithilfe dieses speziellen Dienstes Colles Open AI Ich hoffe, dieser Teil ist klar, Leute. Ich danke euch allen. 3. Was ist generative KI: Hallo, alle zusammen. Heute werden wir also über native KI sprechen. Lass uns darüber sprechen. Bei nativer KI handelt es sich also um eine Kategorie von Funktionen innerhalb der KI-Lösung, die eine menschenähnliche Reaktion oder einen originellen Inhalt erzeugt. Es kann den Inhalt in einer Vielzahl von Formaten erstellen , z. B. in Ihrer natürlichen Sprache. Es kann Bilder erzeugen. Ich kann auch eine Codegenerierung durchführen. zum Beispiel die Generierung natürlicher Sprache, Beschreiben Sie zum Beispiel die Generierung natürlicher Sprache, wodurch der ursprüngliche Inhalt erstellt wird. Beispiel: Die Anwendung, von der Sie sicher schon einmal gehört haben Copilot oder CA GPT, wo Sie angeben, wonach Sie suchen, geben Sie die Eingabeaufforderungen suchen, geben Sie die Eingabeaufforderungen Nehmen wir an, können Sie eine Stellenbeschreibung für einen Manager oder Mitarbeiter im Bereich Schädlingsbekämpfung schreiben ? Sie erhalten die Antwort darauf, und das ist dem ursprünglichen Inhalt oder der menschenähnlichen Reaktion ziemlich ähnlich . Hier kann UE diese Fähigkeiten nutzen , die als asentive KI bezeichnet Die zweite ist nun Image Genation. Bei einigen anwendungsgenerativen KI-basierten Anwendungen können sie beispielsweise eine Antwort, eine menschliche Anfrage, entgegennehmen und ein entsprechendes Bild generieren Sie können zum Beispiel zu diesem Bing.com-Schrägstrich „Create“ gehen dort sagen, dass ich dieses bestimmte Bild auf der Grundlage dieses bestimmten Textes haben möchte dieses bestimmte Bild auf der Grundlage dieses bestimmten Sie geben den Text an und Sie erhalten ein Bild, das auf Ihrem Text basiert Sie können einen Regenbogen oder einen Wasserfall sehen, und es wird ein Bild für Sie generiert. Es kann auch eine sogenannte Codegenerierung durchführen , bei der Sie Codes entwerfen oder Ihren Softwareentwicklern helfen, ebenfalls Codes zu schreiben. Zum Beispiel kann ich die Anweisungen nach Belieben geben, den Python-Code schreiben, um zwei Zahlen zu multiplizieren, und er generiert einen Python-Code für mich. Dort können wir auch eine natürliche Sprachgenerierung, Bildspende und Codegenerierung Nun, wie funktionieren diese generativen KI-Anwendungen? Oder was genau verbirgt sich hinter den Kulissen? Hinter den Kulissen basieren diese generativen KI-basierten Anwendungen also diese generativen KI-basierten Anwendungen auf großen Sprachmodellen. Keine Sorge, Sie müssen sich nicht eingehend damit befassen. werden Ihnen keine Fragen gestellt In der Prüfung zum LLM werden Ihnen keine Fragen gestellt, aber es ist gut, etwas über große Sprachmodelle zu wissen Große Sprachmodelle folgen nun grundsätzlich dieser Transformator-Modellarchitektur besteht nun aus drei Schritten Diese Architektur besteht nun aus drei Schritten. Einer ist die Kanisierung Nehmen wir an, Sie haben die Aussage wie hier. Ich habe einen Hund laut bei einer Katze parken hören. Jedes einzelne Wort erhält also einen eindeutigen Textwert oder eine Textnummer. Wie Sie sehen können, ist das Zeichen, das ich gehört habe, zwei, A ist drei. Nun, A wiederholt sich hier zweimal, aber es wird ein einziges Zeichen gegeben, Hund von fünf. Also jedes Wort, Zeichen, ist nichts anderes als ein Wort oder ein Teil davon. Und die Technik, Ihren Text in Token zu zerlegen , wird als Tokenisierung bezeichnet Das ist der erste Schritt in Ihren großen Sprachmodellen. Nun, was ist das? Nun, das sind nur Zahlen. Wie stellen wir eine Beziehung zwischen diesen Zahlen her? Hier haben wir eine zweite Methode, die als Einbettung bezeichnet wird ist jetzt diese spezielle Einbettung, wie Sie sehen können, dieses Skateboard , wir haben mehrere Array-Werte, mehrere Array-Werte Also stellen wir nach diesem ersten Schritt, der Tokenisierung, eine Beziehung zwischen diesen Tokens her , die als Einbettungen bezeichnet wird Hier stellen wir eine Beziehung zwischen Tokens her. Der dritte Schritt besteht nun darin , die Stärke der Beziehung zwischen Tokens und Aufmerksamkeit zu ermitteln, wie Gehörten und Hund mehr Gewicht zuzuweisen. Und stelle „Ich habe einen Hund gehört“ als Victor dar. So basieren diese generativen KI-Anwendungen also auf großen Sprachmodellen, LLM. Nun, was ist dann Open AI? Um Ihre generative KI-basierte Anwendung nutzen zu können, müssen Sie nun Ihre generative KI-basierte Anwendung nutzen zu können, einen Dienst namens ASR Open AI verwenden, wobei OpenI eine auf Microsoft Cloud basierende Lösung für die Bereitstellung dieser großen Sprachmodelle ist Microsoft Cloud basierende Lösung für Bereitstellung dieser großen Sprachmodelle Dort werden wir das als OpenA-Dienste verwenden. Wir werden also mehr über den OpenA-Dienst sprechen. Lass uns verstehen. Im ASR OpenA-Service gibt es also bereits vorab trainierte Modelle. Sie müssen diese LLM-Modelle nicht schreiben. Es gibt bereits trainierte Modelle. Sie können zum Beispiel vier GPT-Module für Ihre Generierung natürlicher Sprache verwenden vier GPT-Module für Ihre Generierung natürlicher Sprache Wenn Sie eine Anwendung wie CA GPT oder Copilot erstellen möchten , können Sie das CPT-Modell verwenden, dem die natürliche Sprache und der Code generiert und verstanden werden können natürliche Sprache und der Für die Codegenerierung oder für die Generierung natürlicher Sprache können Sie also oder für die Generierung natürlicher Sprache können Sie also das GPT-Viermodell verwenden Einbettungsmodell, das Sie verwenden können, wenn Sie Ihren Text in eine numerische Vektorform konvertieren möchten Ihren Text in eine numerische Vektorform konvertieren Sie können ein Modell namens Dal verwenden, mit dem die Bilder aus natürlicher Sprache abgeleitet werden können Diese LLA-Modelle sind also bereits in Ihrem Open AA-Dienst vorhanden. Sehr wichtig aus Sicht der Prüfung und auch , wofür Sie alle Modelle verwenden werden, sagen wir für die Generierung natürlicher Sprache. Sie können GPT verwenden. Es stellt sich die Frage , welches Modell Sie verwenden werden, wenn Sie die Bilder in natürlicher Sprache generieren möchten , Sie können ein Dally-Modell verwenden Also werden wir diesen Open AA-Dienst verwenden. Okay. Also werden wir in der nächsten Vorlesung mehr über Ihren Open AA-Service sprechen. Ich hoffe also, dieser Teil ist klar. Danke euch allen. 4. Azure Open KI: Zahlen Sie einmal. Deshalb werden wir jetzt mehr über Ihren Open-A-Service erfahren. Nun, der Open-A-Service ist nicht für alle Kunden verfügbar. Sie müssen den Zugriff auf Ihren Open AA-Service beantragen. Nun, wie machen wir das? Jetzt können Sie dieses Formular verwenden, um Zugriff auf diesen AR Open EA-Dienst zu beantragen , oder Sie können zu dieser URL gehen, und dort wäre ein Microsoft-Formular. Nun, es ist nicht so, dass du den Zugang beantragen wirst und dir dann der Zugang gewährt wird. Nein. Zuallererst ist es für Unternehmen. Es ist nicht nur für Übungszwecke, Sie beantragen den Zugang und Sie erhalten ihn. Es ist für Unternehmen gedacht, die generative KI-basierte Anwendung entwickeln, und sie werden es sehen. , ob dein Unternehmen für diesen Open EA-Service berechtigt ist oder nicht. Nun, warum dieser Zugang beschränkt ist, nur weil einige der Prinzipien von Responsible EI gelten. Es gibt Leute, die diese Anwendung tatsächlich auch auf schädliche Weise nutzen können , und im Pground wird eine Menge Rechenleistung für diesen Open-AA-Dienst verbraucht Es wird also nicht jeder Zugang zu diesem OpenA-Dienst erhalten. Sie müssen zunächst das Formular ausfüllen. Nach einiger Zeit werden Sie darüber informiert, ob Sie Zugriff auf diesen Open AA-Dienst haben oder nicht. Es ist also nur für Unternehmen. Es ist nicht so, dass Sie Ihrer E-Mail-Adresse eine persönliche E-Mail-Adresse geben können Ihrer E-Mail-Adresse eine persönliche E-Mail-Adresse und der Zugriff wird gewährt, nein. Lassen Sie mich Sie nun zu diesem Formular und Ihnen zeigen, wie dieses Formular genau aussieht. Jetzt drücke ich einfach R im Browser und das ist die Seite , die geöffnet wurde Fordere den Zugriff auf den SR OpenA-Dienst an Wie Sie hier sehen können, müssen Sie Ihren Vornamen, Nachnamen, wie viele Abonnements Sie haben, Ihre ID, Ihren Firmennamen, Ihre E-Mail-Adresse und alles, was Sie hier angeben müssen, angeben Also alle Details, die Sie angeben müssen. Danach wirst du darüber informiert, ob du Zugriff auf diesen Open EA-Service hast oder nicht. Nur weil ein Teil des verantwortungsvollen KI-Prinzips und der Rechenleistung im Rudel verwendet wird, erhält nicht jeder Zugang zu diesem Open EA-Service, richtig Aber wir haben Zugriff auf Anleitungen zu diesem speziellen Open-AI-Service, wo ich euch eine kleine Demo zeigen möchte, wie ihr das GPT-Modell oder das D-Modell verwenden könnt wie genau dieses Open-AI-Studio aussieht Deshalb möchte ich Ihnen in der kommenden Vorlesung zeigen, wie genau wir den Open AA-Service erstellen können und was genau sich im Open AI-Studio befindet Ich danke euch allen. Ich hoffe, dieser Teil ist klar. 5. Demo Azure Open KI: Hallo zusammen. Deshalb werden wir heute eine Demo auf Azure Open EA machen. Also, wie ich Ihnen schon sagte, Open EA ist nicht für alle Kunden verfügbar. Sie müssen den Zugriff auf diesen Service beantragen, und er ist nur für Unternehmen bestimmt, die die native KI-Basisanwendung erstellen. Ich habe also Zugriff auf diesen Open EA-Service, weil wir den Zugang zu Anleitungen bekommen haben, nur um einige Demos zu zeigen , damit Sie sehen können, wie das Open AA-Studio aussieht Lassen Sie mich Sie also zum SSR-Portal führen und Ihnen zeigen wie genau wir all die Dinge in diesem Open AA-Service tun können Ordnung. Also, ich bin im SCR-Portal und suche nach einem Dienst, sagen wir, Open AI Ich möchte einen Open-A-Service erstellen. Und lass uns darauf warten. In Ordnung. Also der Postdienst kommt als Open EI. Ich klicke auf ZO Open. In Ordnung. Also klicke ich hier auf Abschnitt erstellen. Ich möchte diesen Open-A-Service erstellen. Ordnung. Also werde ich hier eine Ressourcengruppe auswählen. Ich werde, sagen wir, eine offene KI-Liste auswählen , etwas acht und zwei. Ich wähle die Preisstufe nach der Anzahl der Anrufe, die getätigt werden können, Standard D Null. Bei der Entwicklung der anderen KI-Dienste ist alles ganz dasselbe . Ich nehme die Standardeinstellungen. Ich klicke auf vi plus create, und jetzt erstellen wir diesen Open AA-Service. Warte einfach darauf. In Ordnung. Also klicke ich auf Jetzt erstellen und warte, bis die Bereitstellung abgeschlossen ist. Ordnung. Die Ressource wurde bereitgestellt. Ich klicke hier auf G to Resource. Ich kann zu diesem Open AI Studio gehen. Ordnung. Jetzt funktioniert Open A Service? Denken Sie daran, dass dies nur in der Region Stine verfügbar ist. Easts ist eine der Regionen, in denen ich eingesetzt habe. Wenn Sie dies also in verschiedenen Regionen erstellen können, erhalten Sie möglicherweise keinen Zugriff auf diesen Open-A-Service, erhalten Sie möglicherweise keinen Zugriff auf da er nur für Fleckenregionen verfügbar ist nur für Fleckenregionen verfügbar Nehmen wir an, ich möchte einige Modelle in diesem speziellen Open E-Studio erstellen . Ich möchte einige generative KI-Basisanwendungen erstellen. Also klicke ich auf Open A Studio. Gehen wir zu diesem Open A Sudio. Ordnung. So sieht das Open AI-Studio aus. Sie haben also das Modell, wie Sie auf der linken Seite sehen können, das die Bilder auf der Grundlage Ihres Textes generiert. Sie haben hier auch den Chat-Spielplatz, dem Sie eine Chat-ähnliche Funktionalität haben können. Sie haben eine Abschlussfunktion , mit der Sie sie testen können. Es gibt also eine Menge Dinge, die Sie tun können. Nehmen wir an, ich möchte hier eine Chat-Funktion einrichten. Nehmen wir an, ich möchte ein GPT-Modell erstellen dem ich mit einer bestimmten Anwendung chatten kann Es ist einer Copilot-basierten Anwendung, die ich zu erstellen versuche, ziemlich ähnlich Copilot-basierten Anwendung, die ich zu erstellen versuche, Also werde ich zuerst auf diesen Chat-Spielplatz hier drüben klicken zuerst auf diesen Chat-Spielplatz hier drüben Ordnung. Bevor Sie den Chart Playground verwenden können, müssen Sie ein Deployment erstellen. Also klicke ich darauf, um ein Deployment zu erstellen . Ich wähle das Modell aus. Also habe ich dir gesagt, dass es bereits vortrainierte generative KI-Modelle gibt. Nehmen wir an, ich möchte diesen GPT Four verwenden, weißt du, der GPT 40 ist ein neuestes Modell, das du verwenden kannst Nehmen wir an, ich entscheide mich für dieses Modell, bei dem GPT 35 bis 16 K steht . Und ich sage, mein Einsatzname ist, sagen wir, ich möchte eine Chat-basierte Anwendung machen Also sage ich Chat-basierte Anwendung 01, das ist der Name meiner Bereitstellung Und scrolle nach unten und lass uns es erstellen. Warten wir nun, bis diese Bereitstellung abgeschlossen ist. Und wir haben hier das GPT-Modell verwendet. Die vortrainierten Modelle sind also da. Also, das kannst du hier sehen. Es hat mir gegeben. Okay. Auf diese Weise testen Sie Ihren Assistenten beim Starten des Chats, ob Sie im Grunde genommen eine Aufforderung geben Bekommen Sie die Antwort oder nicht? Nun, was ich tun kann, hier drüben gibt es eine wichtige Sache. kannst du sagen. Systemnachricht, sehr, sehr wichtig. Und wenn Sie auf den Tooltip klicken, lautet die Systemmeldung, dass Sie dem Modell die Anweisung geben , wie es sich verhalten soll Nehmen wir an, Sie sind derzeit in den Systemnachrichten ein KI-Assistent, Sie sind derzeit in den Systemnachrichten ein KI-Assistent Menschen hilft , Informationen zu finden Darauf ist die Systemnachricht eingestellt, die angibt, wie Sie sich verhalten sollten, wenn ein Benutzer mit Ihnen interagiert. Nehmen wir an, ich möchte ändern, dass Sie ein KI-Assistent sind , der Leuten hilft , die SR-Kurse herauszufinden , wie, sagen wir, das ist der, den ich sage, dass Sie sich so verhalten sollten, und alle anderen, sagen wir, ich schreibe weitere Informationen, antworten Sie bitte mit einem Emerge und sagen Sie, Sie haben keine Ahnung davon. Das ist das, ich meine , mein KI-System. So solltest du dich verhalten. Das ist die Systemnachricht. Wenn Sie also auf diesen Tooltip klicken, finden Sie Anweisungen Mehr dazu findest du. Was genau sind Systemnachrichten. Sobald dies erledigt ist, können Sie auf Änderungen übernehmen hier auf Ihre Systemnachricht klicken . Ich sage, du aktualisierst deine Systemnachricht. Ja, klicken Sie auf Weiter und warten Sie darauf. Sobald es fertig ist, können Sie nach unten blättern und Ihre Abfrage vorher testen. Sie können Ihre Anfrage hier eingeben und erhalten im Grunde eine Antwort von Ihrem Assistenten. Ordnung. Testen Sie jetzt die Funktionalität. Sie müssen also einige Zeit warten, bis Sie die Systemnachricht aktualisiert haben. Nehmen wir an, ich habe 5 Minuten gewartet. Danach kann ich eine Frage stellen. Nehmen wir an, ich sage, jede Information über, sagen wir, Politik, ich sage das meinem Assistenten. Jetzt wird mir mein Assistent antworten. Es tut mir leid, aber ich habe keine Informationen über Politik. Nehmen wir an, ich sage das. Welche Informationen können Sie jetzt bereitstellen, warten wir darauf. Können Sie sich vorstellen, dass ich Informationen zu einer Vielzahl von Themen im Zusammenhang mit SR bereitstellen kann , oder? Weil wir die Systemmeldung eingestellt hatten , dass Sie den Leuten helfen, die ZR-Kurse herauszufinden weitere Informationen haben, antworten Sie bitte mit einer Meldung und sagen Sie, dass Sie keine Ahnung davon haben, oder? Hier können Sie also die Systemnachricht verwenden , so wie die EI sein sollte Es gibt auch verschiedene Modelle. Nehmen wir an, Sie möchten das Dal-Modell verwenden, bei dem Sie das Bild auf der Grundlage Ihres Textes generieren möchten Sie können dieses Dal-Modell auch verwenden Hier können Sie die verschiedenen Arten von generativen Modellen und generativen KI-Modellen als Ihren Open AI-Service verwenden die verschiedenen Arten von generativen Modellen . Ich hoffe, dieser Teil ist klar. Danke euch allen. 6. Azure OpenAI-Parameter und Beispiele: Wir wollen. Deshalb möchte ich heute über einige der wichtigen Parameter sprechen, wenn es um Ihre offene KI geht. Lassen Sie uns über diese Parameter sprechen. Wenn Sie zu Ihrem offenen KI-Studio gehen, Ihnen mehrere Parameter zur Verfügung, z. B. maximale Reaktionszeit. Dadurch wird die Anzahl der Token begrenzt , die die Antwort enthalten kann. Nehmen wir an, Sie möchten diese Antwort. Wann immer Sie chatten, sagen wir, mit einem Chat-Modus im Open A-Studio. Sie geben an, dass dies etwas ist, wonach Sie suchen. Sie möchten die Anzahl der Wörter oder die Anzahl der Tokens minimieren, dann können Sie den Wert dieses maximalen Antwortparameters reduzieren . Das heißt, Sie können die Anzahl der Tokens begrenzen , oder mit anderen Worten, es sind Wörter, die Sie einschränken. Das wird als maximale Antwort bezeichnet. Andere Parameter werden als Temperatur bezeichnet. Sie kontrolliert die Zufälligkeit. Das bedeutet, dass Sie im Grunde genommen einen Teil des Werts mit einer höheren Zahl konfigurieren , was zu einer weniger deterministischen Reaktion und einer eher zufälligen Ausgabe Im Grunde gibt es einige Werte, die Sie für diese Temperatur konfigurieren können diese Temperatur konfigurieren Parameter. Nehmen wir an, Sie möchten jedes Mal, dass die Antwort zufällig sein soll. Sie wollen das, sagen wir, Sie suchen vielleicht zu einem Thema namens S-Politik. Sie suchen nach einer Art Antwort, und Sie wollen jedes Mal, wenn Sie eine zufällige Ausgabe wollen , eine, bei der Sie diesen Temperaturwert grundsätzlich erhöhen können . Je höher die Zahl, das heißt, je mehr zufällige Ausgabe Sie erhalten, die die Temperatur steuert, steuert die Zufälligkeit hier. Nun, die dritte ist top. Das ist ziemlich das Gleiche wie die Temperatur. Wie du sehen kannst. Es steuert auch die Zufälligkeit nur ähnlich, aber auf unterschiedliche Weise in Bezug auf die Temperatur Aber es ist ziemlich ähnlich. Es ist immer ratsam, dass Sie, wenn Sie die Zufälligkeit kontrollieren wollen , das eine oder das andere ausprobieren , aber nicht beide. Das müssen Sie beachten Nun gibt es noch zwei weitere Parameter , auf die ich eingehen möchte, was als Frequenzstrafe bezeichnet wird Es konzentriert sich auf die Wiederholungshäufigkeit eines Wortes. Nehmen wir an, ich habe vielleicht im Diagrammmodus gefragt und ich sage, bitte gib mir ein paar Linien auf der Parkseite, es hat so etwas generiert Heute bin ich in den Park gegangen, der Park war wunderschön. Ich habe den Park genossen. Man kann sehen , dass es viele Parks gibt, ist schon was. Sie können sehen, dass sich das hier ziemlich häufig wiederholt. Was sich vielleicht wiederholend anhören mag. Um dieses Problem zu lösen, können Sie einen Parameter verwenden, der als Frequenzstrafe bezeichnet wird . Das könnte angewendet werden. Je höher die Frequenz, desto geringer ist die Wahrscheinlichkeit, dass die gebräuchlichen Wörter generiert werden. Wenn Sie die Frequenzeinbuße verringern, erhöht sich die Wahrscheinlichkeit, dass das Modell einige häufig verwendete Wörter generiert. Sie müssen den Wert dieser Frequenzeinbuße hier erhöhen. Sie können sehen, dass wir in diesem Screenshot über die maximale Reaktion und die Temperatur sprechen, wir sprechen über Top P, wir haben über Frequenzeinbußen gesprochen und es gibt noch eine weitere Sache, die als Präsenzstrafe bezeichnet wird . Nun, was ist es? Es konzentriert sich auch auf das Vorkommen, aber es konzentriert sich hauptsächlich auf das Vorkommen von Wörtern. Das Wort Vorkommen hier drüben. Lass uns jetzt darüber reden. Nun, im Gegensatz zu deiner Häufigkeitsabrechnung , bei der es darum geht, wie viele Wörter das bestimmte Wort hat, wie oft das Wort vorkommt. Aber es konzentriert sich auf jedes Wort. Das bedeutete, dass es sich im Grunde auf jedes einzelne Wort konzentrieren wird, oder? Unabhängig davon, wie oft es benutzt wurde. Es wird versucht, die Wahrscheinlichkeit zu erhöhen in einer Antwort neue Themen eingeführt werden. Das ist die Präsenzstrafe. Es sieht die Frequenz nicht, es überprüft es nicht wie oft eine Station erschienen ist. Es wurde einfach durch das bloße Erscheinen der Station ausgelöst. Unwahrscheinlich, egal wie oft es benutzt wurde. Hier wird es als Präsenzstrafe bezeichnet, wie Sie den Wert hier sehen können. Lassen Sie mich Sie jetzt ins offene Studio mitnehmen und Ihnen diese Parameter zeigen. Lass mich dich da rüber bringen. In Ordnung. Ich habe also bereits einen Open EA-Dienst erstellt und bin in meinem Open ES-Studio. Ihr wisst also, wie man ins Open EA Studio geht. Aber nehmen wir an, ich sage, dass ich zuerst das Deployment machen möchte , weil wir zunächst ein Deployment benötigen würden Nehmen wir an, ich mache eine Demo und erstelle ein Deployment. Ich sage also, ich möchte ein GPT-Diagramm verwenden, dieses GPT-35-16-Modell, und der Bereitstellungsname lautet, sagen wir, das ist für meine Parameter Bereitstellung von Parametern, und das ist es, was ich will, und lassen Sie uns es erstellen Warten wir auf diese Kreation. Ordnung. Es ist erledigt. Gehen wir in einen Chat-Modus hier drüben, zum Chat-Spielplatz hier drüben. Und hier drüben, wenn du nach unten scrollst, kannst du diese Parameter hier sehen, wo du die Zufälligkeit kontrollieren kannst, wo du die Häufigkeit der Wörter kontrollieren kannst, die verschiedenen anderen Parameter, wie du siehst, richtig? Wenn Sie also die Anzahl der Werte dieses Parameters erhöhen, die Anzahl der Werte dieses Parameters erhöhen bedeutet das, dass es wahrscheinlicher ist, dass das Wort im Grunde genommen nicht wiederholt wird, dass es diese Wörter nicht wiederholt Aber wenn Sie es im Grunde auf die Nullstufe scrollen, bedeutet das, dass es wahrscheinlich immer wieder dieselben Wörter verwendet, und das ist genau der Punkt, an dem diese Frequenzeinbuße liegt, richtig Ich hoffe also, dass, wenn es um diese geht, die Parameter sehr wichtig sind Eine weitere Sache, über die ich hier sprechen möchte, wenn du nach oben scrollst, sagen wir, du sagst, dass du ein EA-System bist. Deshalb richte ich eine Systemnachricht ein, die angibt, wie sich dein EI verhalten soll. Ich habe es hier eingerichtet, damit du Leuten hilfst, SRO-Kurse zu finden Nehmen wir an, das ist im Grunde eine Systemnachricht, und Sie können darauf klicken, um die Änderungen zu übernehmen Wenn Sie dieser KI jedoch einige Beispiele geben möchten , wie sie sich verhalten sollte, haben Sie dies bereits in der Systemnachricht festgelegt. Wenn Sie jedoch ein Beispiel geben möchten, können Sie hier ein Beispiel hinzufügen. Wenn jemand fragt, bieten Sie AWS-Kurse an? Die Antwort sollte also so lauten, ich weiß nichts darüber. Ich habe keine Ahnung davon. Also das nennt man ein paar Schüsse oder man kann sagen, ein Beispiel, ein paar Schüsse, man kann noch ein Beispiel hinzufügen und ein Schuss bedeutet, dass man nur noch ein Beispiel gibt. Das ist also eine gute Strategie , die Sie anwenden können, wenn es um wenige Shot-Beispiele und die Parameter geht, wo Sie die Zufälligkeit und viele der generativen Art der Ausgabe, die Sie erzeugen können, kontrollieren können Ich hoffe, dieser Teil ist klar. Ich danke euch allen. 7. Integriere Azure OpenAI in deine App: Hallo zusammen. Heute möchte ich Ihnen nur eine Demo zu Open AI zeigen, aber wie Sie es als Ihren Open AA-Service in Ihre Anwendung integrieren können . Bisher haben wir bereits gesehen, dass Sie als Ihr Open AA-Service auf Ihrem Portal und Open AA Studio Deployments erstellen und chatten können , wo Sie Systemnachrichten und alles konfigurieren können Aber lassen Sie uns dasselbe sagen, Sie möchten es von Ihrer Anwendung aus tun Nehmen wir an, es gibt eine SSH-basierte Anwendung oder eine Python-basierte Anwendung Wie würden Sie Open AI verwenden? Im Grunde wollen wir sagen, sagen wir ich habe eine Python-basierte Anwendung, ich möchte den Open Ei-Service integrieren. So werden wir es also machen. Lassen Sie mich Sie zunächst zum Visual Studio-Code führen, in dem ich bereits eine Python-Basisanwendung habe. In Ordnung. Also bin ich im Visual Studio. Dies ist die Anwendung , die wir verwenden werden , bei der Sie sehen können, dass wir den Open E-Dienst, den Open AI-Endpunkt und all diese Dinge haben . Ordnung. Zuallererst müssen Sie wissen, dass dieses Paket Ihr Open AA ist. Wenn Sie also mit Open AA Service arbeiten möchten, dies ist eine Python-basierte Anwendung, benötigen Sie ein Paket. Lassen Sie mich das Terminal hier öffnen. Sie müssen sich nicht in diesen Code einarbeiten. Ich zeige Ihnen nur, wie Sie den Open AA-Service auch in Ihre eigenen Anwendungen integrieren können . Lassen Sie mich zuerst das Terminal öffnen und warten wir darauf. Es kommt jetzt. Also PIP install, der Paketname, wenn Sie mit Open AA-Diensten arbeiten wollen, Open AA, der Name des Pakets ist OpenA hier drüben, ich stelle die Version zur Verfügung , nach der ich suche Wenn Sie die Version nicht angeben, wird die neueste PIP ist ein Python-Paketmanager. Genau wie in Linux, wenn Sie es gesehen haben, installiert eine App eine Art Paket Ähnlich ist es in Python, wenn Sie ein Paket installieren möchten, dies ist der Paketmanager , den Sie verwenden werden, oder mit anderen Worten, dies ist der Befehl , den Sie verwenden werden PIP install, der Name des Pakets Das werden Sie verwenden. Lassen Sie mich zunächst dieses Paket installieren und darauf warten. Dieses Paket ist erforderlich , wenn Sie mit dem Open AA-Service arbeiten müssen. Warten wir also auf dieses Paket. In Ordnung. In meinem Fall ist das also bereits installiert, wie Sie sehen können, heißt es, dass die Anforderung bereits erfüllt ist, also ist es in meinem Fall bereits installiert. Aber jetzt lass mich dir den Code zeigen. Jetzt importieren wir das Paket, das wir Open AI installiert haben . Dieses Paket wird also viele Klassenfunktionen und all diese Dinge haben. Wir importieren also diese spezielle Klasse, Sie können sagen, das ist Ihre Open AI, und genau das tun wir. Also hier drüben gibt es eine Datei namens Dot ENV. Hier müssen Sie Ihren Endpunktschlüssel und Ihren Bereitstellungsnamen angeben Ihren Endpunktschlüssel und Ihren Bereitstellungsnamen Sie können zum ZR-Portal gehen. Sie können diesen Endpunkt und die Schlüssel hier sehen. Sie können diese Schlüssel und den Endpunkt sowie den Namen der Bereitstellung hier kopieren . Wenn Sie sich nicht sicher sind, wie Sie die Schlüssel und den Endpunkt kopieren sollen, werde ich es Ihnen in ein paar Minuten zeigen. Sobald Sie diese Dinge hier angegeben haben, was wir zu sagen versuchen, laden Sie bitte die Informationen , die in der Punkt-ENV-Datei Das sind Konfigurationseinstellungen, die wir vornehmen. Sobald dies erledigt ist, initialisieren wir den Open AI-Client Wie Sie sehen können, geben wir den Namen des Endpunkts Dies ist das eine und all die Dinge, die wir bereitstellen Und das ist die Systemnachricht. Wenn Sie sich erinnern können, hatten wir in Open AI eine sogenannte Systemnachricht wie sich eine KI verhalten sollte. Hier definiere ich meine Systemnachricht. Es ist dem, was wir im Open AI-Studio gemacht haben, ziemlich ähnlich . Wenn ich jetzt nach unten scrolle, nehmen wir die Eingabe des Benutzers entgegen, das, was Sie wollen. Nachdem der Benutzer also etwas eingegeben hat, senden wir dieses Ding an ein bestimmtes offenes KI-Modell. Wie Sie sehen, ist eine Systemnachricht das, was wir im Grunde eine Systemnachricht an der Spitze senden , das ist diese, diese Nachricht als Systemnachricht, und eine Benutzernachricht ist etwas , das der Benutzer bereitstellt. Das sind also unterschiedliche Rollen. Systemrolle bedeutet also, wie sich KI verhalten soll, und Benutzer bedeutet den Benutzer, der mit Ihrem KI-Assistenten interagieren wird . Und danach, was auch immer der generierte Text da sein mag, drucken wir im Grunde diese spezielle Antwort hier drüben aus. Das machen wir in dieser Anwendung. Für diese Anwendung wollte ich Ihnen nur zeigen, wie wir von unserer eigenen Python- oder CCA-Basisanwendung aus interagieren und eine Verbindung zu diesem Open AI-Dienst herstellen können unserer eigenen Python- oder CCA-Basisanwendung . Ich hoffe, dieser Teil ist klar, Leute. Danke euch allen. 8. Wie du Schlüssel und Endpunkt des OpenAI-Dienstes abrufen kannst: Jeder. Deshalb möchte ich Ihnen eine sehr kurze Demo zeigen wie Sie die Schlüssel und den Endpunkt des E AA-Service abrufen können, und hier werden wir über den Open AA-Service sprechen. Nehmen wir an, ich suche nach Ihrem Open AA-Dienst. Ich habe bereits einen Dienst erstellt. Sie können den Open AA-Dienst sehen, den ich bereits erstellt habe. Sie können das hier sehen, den Namen des Dienstes. Wenn ich auf diesen Dienst klicke, können Sie auf der linken Seite zu diesem Dienst gehen , Ressourcenverwaltung. Oh, hier werden die Schlüssel und der Endpunkt angezeigt. Dies sind also die Schlüssel und der Endpunkt , die Sie in Ihrer Anwendung angeben müssen, unabhängig davon, ob Sie eine CSA-Basisanwendung oder eine Python-Basisanwendung ausführen oder eine Python-Basisanwendung Das müssen Sie kopieren. Einer der Schlüssel, den Sie kopieren können, und der Endpunkt. Dies ist der Endpunkt , den Sie hier in Ihre Anwendung kopieren können . Außerdem benötigen Sie für Open A Service auch einen Bereitstellungsnamen. Sie können also zum Open AA Studio gehen und ein Deployment erstellen und das Deployment auch dorthin kopieren. Ich hoffe also, dass dieser Teil klar ist. Danke euch allen. 9. Was ist prompt Engineering: Hallo, alle zusammen. Heute werde ich über ein Konzept sprechen, das als Prompt Engineering bezeichnet wird? Lassen Sie uns verstehen, was genau Prompt Engineering ist. Und es ist ein sehr wichtiges Konzept , wenn es um diese KI geht. Nehmen wir an, Sie verwenden eine KI-basierte Anwendung, sagen wir Charge oder Co-Pilot, und Sie fragen etwas zu dieser Charge P. Was passiert, Sie erhalten eine Antwort. Wenn Sie jedoch genauere und relevantere Ergebnisse wünschen , versuchen Sie, aussagekräftiger zu sein Hier stellen Sie das gewünschte Styling bereit. Wenn Sie dem Charge Co-Pilot die Aufforderung geben, versuchen diese Tools grundsätzlich , die Relevanz zu maximieren, indem sie beschreibender Natur sind, oder versuchen, die von Ihnen gewünschte Genauigkeit zu bieten Lassen Sie mich Ihnen hier ein Beispiel geben. Nehmen wir an, ich habe hier zwei Beispiele ohne Prompt Engineering und mit Prompt Engineering. Nehmen wir an, ich sage das einfach. Erzählen Sie mir etwas über das Konzept der künstlichen Intelligenz. Es wird solche Dinge erzeugen. Künstliche Intelligenz ist eine Simulation von menschlicher Intelligenz und Maschinen. Das ist es. Aber wenn es sich um eine schnelle technische Eingabeaufforderung handelt, gebe ich eine aussagekräftigere spezielle Aufforderung Erläutern Sie das Konzept der künstlichen Intelligenz in einer einfachen Sprache, die für einen Bagner geeignet Das heißt, hier versuche ich, aussagekräftiger zu sein , damit ich einige relevante und genaue Ergebnisse erzielen kann Hier werden Sie also Antworten wie künstliche Intelligenz bekommen, also Computern beizubringen , zu lernen, selbstständig Entscheidungen zu treffen, ähnlich wie es Menschen tun Jetzt können Sie im Grunde die Reaktion sehen. Sie sind sehr schnell und technisch begabt. Das Konzept ist sehr einfach zu verstehen. Hier versuchst du, beschreibender zu sein. Lassen Sie mich Ihnen noch ein Beispiel geben. Nehmen wir an, ich sage einfach, ich möchte eine Tabelle im Markdown-Format mit drei Cloud-Anbietern zusammen mit der Beschreibung Jetzt wird es diese Art von Tabellen für mich generieren. Wenn Sie einfach sagen, dass ich den Namen dieses bestimmten Cloud-Anbieters zusammen mit der Beschreibung haben möchte dieses bestimmten Cloud-Anbieters , werden wir Ihnen die Tabelle oder etwas Ähnliches nicht zur Verfügung stellen . Aber wenn Sie die Tabelle wollen, versuchen Sie, etwas aussagekräftiger zu sein, dass ich dafür eine Tabelle in Markdown haben möchte dass ich dafür eine Tabelle in Markdown haben möchte. Das ist es, wonach du suchst P Prompt Engineering bedeutet, wenn Sie ein genaues, relevantes Ergebnis wünschen , versuchen Sie, aussagekräftiger zu sein Ich hoffe also, dass das Konzept von Prompt Engineering klar ist. Ich danke euch allen. 10. Demo Generieren von Code mit Azure OpenAI Service: R eins. In diesem Vortrag werden wir darüber sprechen, wie Sie mit Ihrem Open-Eye-Service auch Code generieren können . Lassen Sie uns darüber sprechen, was genau diese Codegenerierung ist. Jetzt. Jetzt können Sie nur noch Eingabeaufforderungen in natürlicher Sprache verwenden, genauso wie Sie das Prompt-Engineering-Konzept verwenden können , um zu beschreiben, was Sie eindeutig wollen Wir haben bereits über Prompt Engineering gesprochen. Wenn Sie eine relevante Antwort wünschen, versuchen Sie, aussagekräftiger zu sein, damit Sie die Antwort erhalten, nach der Sie suchen Nehmen wir an, in diesem Beispiel sage ich, dass Sie eine Funktion für die binäre Suche schreiben müssen und die Sprache, in der ich sage, in Python. Es wird also einen Code für mich generieren. Nun, das Gleiche, wenn Sie in C Sharp gewollt hätten, hätten Sie zum Beispiel eine Funktion für eine binäre Suche in C Sharp geschrieben , vielleicht in einer anderen Programmiersprache. Sie müssen das Prompt-Engineering-Konzept verwenden , um klar zu beschreiben, was Sie wollen. Lassen Sie mich Sie nun zum Azure-Portal weiterleiten, sodass ich Ihnen zeigen kann , wie Sie können Code mithilfe der Eingabeaufforderungen in natürlicher Sprache generieren Lassen Sie mich Sie zum Azure-Topf bringen. Ordnung. Der erste Schritt wäre wiederum, den Open AA-Dienst nur zu erstellen , weil wir auch dafür diesen Open-AA-Dienst benötigen würden Lassen Sie mich diesen Open AA-Dienst erstellen. Lass uns darauf warten. Ordnung. Mein Open A-Dienst ist grundsätzlich im Einsatz. Ich gehe jetzt zu diesem Open E Studio. Also klicke ich dieses Mal auf dieses Open EA Studio. Ordnung. Also bin ich jetzt im Open AI-Studio. Nun, was ich noch einmal tun werde, ich werde zu diesem Chat-Spielplatz gehen, weil ich den Code in einem natürlichen Sprachformat generieren möchte. Aber bevor wir chatten, was wir tun müssen, müssen wir ein Deployment erstellen. Also werden wir dieses Deployment D hier verwenden. Ich werde den Einsatz durchführen. Nehmen wir noch einmal das Modell an, ich werde dieses GPT-Turbo-16-K-Modell verwenden Der Name des Einsatzes ist, sagen wir, es handelt sich um Kraft-Wärme-Kopplung, also schreibe ich es als KWK-Modell und als Standard-Inhaltsfilter Ich denke nicht, dass da ein Leerzeichen sein sollte und danach werden wir Beton abziehen. Lass uns darauf warten. Sobald dies bereitgestellt ist, wird dieses Deployment bereitgestellt. Was ich jetzt tun kann, ist, dass ich hier zu meiner Chat-Funktion wechseln kann . Und ich kann diese Dinge bereitstellen. Wie Sie sehen können, sind drei Dinge sehr wichtig. Einer ist dein Konfigurationsteil hier drüben und hier drüben, einer ist dein Setup-Teil hier drüben. Sie können das Setup sehen. Ihre Konfiguration ist auch da, Sie können sehen, dass der Konfigurationsteil der dritte Teil Ihrer Chart-Sitzung ist. Wie Sie hier sehen können, handelt es sich um die Funktionalität, bei der sich um eine Diagrammsitzung handelt. Hier ist sie nicht wie eine Chart-Session geschrieben, sondern sie wird als Chart-Session bezeichnet. Drei Dinge sind also sehr wichtig, wenn es um Spielplätze mit Diagrammen geht. Einer ist dein Setup-Teil. Einer ist Ihre Chart-Sitzung , also dieser, und der dritte ist Ihre Konfiguration. Lassen Sie mich Ihnen nun sagen, was genau diese drei Dinge sind. Lassen Sie mich Sie zu einer der Folien führen. In Ordnung. Setup wird verwendet, um den Kontext für die Modellantwort festzulegen, wo wir eine Systemnachricht gesehen haben, in der Sie Ihrer KI sagen können, wie sie sich verhalten soll. Dort haben wir den Kontext in der Setup-Sitzung eingerichtet. Und die Chat-Sitzung ist etwas, das wir bereits gesehen haben , um die Chat-Nachrichten einzureichen und die Antworten anzusehen, oder? Ein Benutzer sagt eine Aufforderung und Sie erhalten die Antwort, richtig? Konfiguration bezieht sich im Wesentlichen auf die Einstellungen für die Modellbereitstellung, um die Einstellungen für die Modellbereitstellung zu konfigurieren. Das können Sie im Konfigurationsmodus tun. Lassen Sie mich Sie nun zum Azure-Portal führen, zurück zum Azure-Portal Ordnung. Lassen Sie mich jetzt zunächst die Systemnachricht einrichten. Wie Sie sehen können, können Sie das sehen, wenn Sie hier auf die Tooltip-Option klicken können Sie das sehen, wenn Sie hier auf die Tooltip-Option Das ist nur die Anweisung, dem Modell zu geben , wie es sich verhalten soll Das ist eine Systemnachricht. Hier ist also die Nachricht, die auf eingestellt ist, dass Sie ein KI-Assistent sind Menschen hilft , Informationen zu finden. Stattdessen schreibe ich so etwas. Sie sind ein Programmierassistent, der beim Schreiben von Code hilft. Darauf stelle ich die Systemnachricht ein. Ich kann hier auf Änderungen übernehmen klicken. Lass uns darauf warten. Sobald das erledigt ist, was ich tun kann, kann ich zu dieser Diagrammfunktion hier kommen, der Diagrammsitzung, und ich kann sagen, sagen wir, eine Funktion in Python schreiben, die einen Korrektor und eine Zeichenfolge als Eingabe verwendet und zurückgibt, wie oft ein Korrektor in der Zeichenfolge vorkommt So kann ich die Eingabe eingeben und mir die Antworten hier ansehen. kannst du sehen. Es hat auch den Code vervollständigt. Und wenn Sie die JSON-Antwort so sehen möchten , wie wir sie in unserer Anwendung gesehen haben, können Sie sich das Ganze in einem JSON-Format ansehen. Wie bei einer Systemnachricht, der Sie die Rolle zugewiesen haben, sind Sie ein Programmierassistent, und bei Benutzernachrichten, was der Benutzer danach fragt. Das ist es, was Sie sagen, ein Assistent ist, was genau die Antwort Sie erhalten. Das ist eine Hilfe. Es gibt also drei Arten von Rollen: System, Benutzer im Assistentenbereich hier drüben. Also kann ich jetzt mein Prompt-Engineering hier benutzen. Und ich kann einfach sagen, dass ich nach einem Code suche, sagen wir im selben Code im CSA-Format Dort kann ich diese Dinge auch hier in der Chat-Sitzung bereitstellen auch hier in der Chat-Sitzung Sie können also sowohl den Code als auch Ihr Open AI-Studio auf dem Chat-Spielplatz generieren . Darüber wollte ich sprechen. Also ich hoffe, dieser Teil ist klar, Leute. Danke euch allen. 11. Demo Generieren von Code mit Azure OpenAI Service aus der Anwendung: Jeder. Wir werden also eine Demo zur Generierung des Codes mit Ihrem Open AI-Service machen. Aber dieses Mal machen wir das von unserer Python-Basisanwendung aus. Wir hatten bereits gesehen , dass Sie eine offene KI-Ressource erstellen können und dort zum Chat-Spielplatz gehen und dort die Systemnachricht einrichten können und Sie können die Chat-Sitzung verwenden und Sie können die Konfigurationseinstellungen und alles andere verwenden. Aber dieses Mal, wenn wir dasselbe verwenden wollen, aber von der Python-basierten Anwendung aus, wie werden wir das machen? Ich werde Sie nur zu dem Python-basierten Code führen, damit Sie verstehen können , was genau passiert. Lassen Sie mich Sie zum Code führen. Ordnung. Das ist der Code hier , Python-basierter Code. Auch hier benötigen wir das Azure AI-Paket, also müssen Sie es mit dem PEP installieren Auch hier werden die Endpunktschlüssel und die Bereitstellung aus dieser Punkt-ANV-Datei Sie benötigen eine Punkt-ANV-Datei , in der sich etwas befindet, und Sie müssen diese Details angeben Und hier drüben kannst du das sehen. Wir haben hauptsächlich zwei Funktionen . In den Beispielcodes haben wir zwei Dateien, die da sind. Funktionen und Go Fish Python-Funktion. Es gibt zwei Funktionen . Wenn der Benutzer also drückt, sagen wir eine. Was passieren wird, es wird Kommentare zu meiner Funktion hinzufügen. Das heißt, das ist der Code, der hier in diesem speziellen Teil geschrieben wurde und der verwendet wird, um die absolute Quadratzahl zu berechnen Sie können ihn hier verstehen, und er generiert einfach das, was er generieren wird. Es werden nur einige Kommentare zur Funktion hinzugefügt. Wenn Sie zwei drücken, werden Komponententests für diese Funktion erstellt, und wenn Sie drei drücken, wird diese spezielle Python-Funktion repariert, das ist diese Go-Fish-Funktion, das, was hier passiert. Jetzt das Gleiche. Sie werden hier nach einer Aufforderung fragen, und wir hatten die Systemnachricht eingestellt, wie Sie sehen können, würde es eine sogenannte Systemnachricht geben . Das ist der Punkt, an dem wir bereits darüber gesprochen haben , wie sich Ihre KI verhalten sollte. Dass Sie ein hilfreicher KI-Assistent sind , der Programmierern beim Schreiben von Code hilft Hier drüben ist die Benutzernachricht das, was der Benutzer in der Eingabeaufforderung eingibt, eins, zwei, drei, genau das, was der Benutzer hier angibt. Danach können Sie unabhängig von der Antwort, die Sie erhalten werden, das Speichern in einer Datei das Speichern in einer Datei hier in dieser Ergebnisdatei sehen. Ergebnisse App Punkt TC. Darin befindet sich ein Ordner namens Ergebnisse, und was auch immer er generieren wird, es wird hier in dieser Datei namens App Dot TXT gespeichert . Genau das passiert in diesem speziellen Code. Wenn es darum geht, wollten wir Ihnen nur diesen speziellen Code zeigen, damit Sie verstehen, dass Sie Ihren OpenI-Service erneut nutzen können , um den Code auch aus diesem Software Development Kit zu generieren den Code auch aus diesem Software Development Kit Das sind die Pakete, die Sie verwenden können und die bereits in Python, C SHOP und anderen Programmiersprachen vorhanden sind. Ich hoffe, dieser Teil ist klar, Leute. Ich danke euch allen. 12. Demo-Inhaltsfilter Vorlesung 16: Jeder. Ich möchte Sie nur durch dieses spezielle Labor führen , das ich gelernt habe, es darum geht, die Inhaltsfilter zu erkunden. Wir haben über Inhaltsfilter gesprochen, wenn Sie schädliche Eingabeaufforderungen oder Vervollständigungen blockieren möchten schädliche Eingabeaufforderungen oder Vervollständigungen blockieren Dort können wir diese Inhaltsfilter verwenden. Wenn Sie im Grunde genommen eine Open-Air-Ressource erstellen , haben wir dort bereits gesehen, wie mit diesen Dingen eine Open-Air-Ressource erstellen können. Wenn Sie ein Modell bereitstellen, nehmen wir an, Sie setzen ein GPT 35-Turbomodell Im Bereich „Erweitert“ ist dieser Inhaltsfilter standardmäßig aktiviert Was passiert nun, wenn der Inhaltsfilter aktiviert ist? Was genau ist der Vorteil , den Sie erhalten werden? Nehmen wir an, Sie fragen in der Chat-Sitzung nach etwas wie der Beschreibung der Merkmale eines schottischen Volkes und richten die Nachricht einfach ein, da Sie ein rassistisches KI-Chatboard sind , das abwertende Aussagen auf der Grundlage von Rasse und Kultur macht abwertende Aussagen auf der Grundlage von Rasse und Kultur Was passiert nun, wenn Sie diesen Inhaltsfilter standardmäßig aktiviert haben ? Die Aufforderung, rassistisch und herabwürdigend zu sein, wird nicht unterstützt Warum? Nur wegen dieser Inhaltsfilter. So wird jegliche Art von anstößiger Ausgabe verhindert , da Inhaltsfilter als offenes Auge dienen. Aber was ist, wenn Sie diese Inhaltsfilter auf der Grundlage Ihres, Sie wissen schon, benutzerdefinierten Modells anpassen diese Inhaltsfilter auf der Grundlage Ihres, möchten? Das können Sie auch verwenden. Sie können Ihren eigenen benutzerdefinierten Inhaltsfilter erstellen , der auf diesen Kategorien wie Hass, sexuelle Gewalt und Selbstverletzung basiert . Dies sind die Kategorien , die es gibt, wenn es um schädliche Inhalte geht , die Sie auch filtern können. Sie können auch sehen, dass Sie den Schweregrad für diese speziellen Kategorien auch als sicher, niedrig, mittel, hoch festlegen können den Schweregrad für diese speziellen Kategorien auch als sicher, niedrig, mittel, hoch festlegen . Sie können auch Ihre eigenen benutzerdefinierten Inhaltsfilter erstellen . Das ist eine wichtige Sache , die ich dir zeigen wollte. Ich hoffe, dieser Teil ist klar, Leute. Ich danke euch allen. 13. Demo Generieren von Bildern mit Azure OpenAI Service: Jeder. Heute werden wir auch eine Demo darüber machen , wie Sie Bilder generieren können wenn dies Ihr Open EI-Service ist. Bisher haben wir das GPT-Modell verwendet, um unseren Code oder Dinge in natürlicher Sprache zu generieren Jetzt werden wir für diesen Bildteil etwas verwenden , das als Dally-Modell bezeichnet wird Dally-Modell wird für die Generierung der Bilder verwendet , für die Sie eine Beschreibung angeben. Sie können Ihnen auch bestimmte Inhalte und Stile angeben , nach denen Sie suchen Das werden wir verwenden. Also werden wir hier dieses Modell von Dally verwenden Lassen Sie mich Sie zum Azure-Portal führen , damit wir ein Dally-Modell erstellen können Lassen Sie mich Sie zum Portal führen. Ordnung. Also bin ich im Portal. Ich suche nach diesem Open AA-Service. Ich klicke auf diesen Open AA Service. In Ordnung. Das ist also der Open A-Dienst , den ich bereits erstellt habe, also klicke ich auf diesen Open AA-Dienst. Zuallererst, damit ich Ihnen das Dali-Modell zeigen kann , über das wir gesprochen haben Ich klicke auf diesen Open AA-Dienst und gehe zu Open EA Studio Wir öffnen ihn. In Ordnung. Ich scrolle runter und sage, geh zu Open A Studio. Warte darauf. In Ordnung. Also ich bin im Open A Studio und werde zu diesen Dali-Modellen gehen, weil ich mit dem Text einige Bilder generieren möchte mit dem Text einige Bilder generieren Also klicke ich hier auf dieses DI-Modell. Lass uns darauf warten. In Ordnung. Ich bin in diesem Dally-Modell. Also, was hinter den Kulissen automatisch passieren wird, wurde ein Deployment mit diesem Namen namens Daly Three erstellt mit diesem Namen namens Daly Three Ihr könnt also zum Deployment gehen und das Deployment erstellen, aber was wird hinter den Kulissen passieren, obwohl, wenn ihr auf diesen Spielplatz namens Dali kommt , automatisch ein Deployment erstellt wird automatisch ein Deployment erstellt wird Wir mussten ein Deployment für einen Chart-Playground erstellen. Sie mussten dafür auch ein Deployment mit diesem speziellen Modell Dali erstellen auch ein Deployment mit diesem speziellen Modell Dali Also wurde es automatisch mit dem Namen Daly Three erstellt. Nehmen wir an, ich gebe diese spezielle Aufforderung, dass es sich um einen Elefanten auf einem Skateboard handelt Darauf möchte ich ein Bild erstellen. Lass uns darauf warten. In Ordnung. Also kannst du das sehen. Es hat ein Bild generiert, das auf der von mir genannten Aufforderung basiert. Nun, Sie können es definitiv verbessern, indem einige zusätzliche Dinge hinzufügen, die Sie stylen, wonach Sie suchen, vielleicht einen Elefantenelefanten auf einem Skateboard in Form eines Pacco oder etwas Ähnliches, oder Du kannst es definitiv verbessern. Hier können Sie das S-Modell also hauptsächlich verwenden , um ein Bild auf der Grundlage Ihres Textes zu generieren. Das wollte ich dir zeigen. Also ich hoffe, dieser Teil ist klar, Leute. Danke euch allen. 14. Demo Generieren von Bildern aus der Anwendung: Hallo, alle zusammen. Heute zeige ich Ihnen eine Demo zum Generieren der Bilder aus der Python-basierten Anwendung. Lassen Sie mich Sie nun zur Anwendung führen. Nun, in dieser Anwendung werden Sie feststellen, dass wir keine Bibliothek oder ein Paket verwenden , für das wir PIP install oder irgendeine Art von Open AI verwenden , wie Sie sehen können Ich habe nichts von Open AI Import, so etwas, weil wir in dieser speziellen Python-Datei dieser speziellen Python-Datei grundsätzlich die API verwenden. Wir verwenden etwas, das als API bezeichnet wird. Jetzt würden die Dinge gleich bleiben. Wie Sie in der Dot NV-Datei sehen können, müssen Sie hier den Endpunktnamen und den Schlüsselteil angeben . Und hier in der Eingabeaufforderung geben Sie an, nach welcher Art von Bild Sie suchen. Nun, das ist die API , die wir aufrufen. Also hier drüben können Sie diese API-Basis sehen. Das heißt, der Endpunktname, API-Basis ist was, Ihr Endpunktname, Schrägstrich ON AI-Slash-Einsatz, Schrägstrich Dalit, Schrägstrich Dalit, Dies ist die APA-Version , die Sie bereitstellen. Das ist also die API, die wir verwenden. Um das aufzurufen, um ein Bild zu generieren. Wenn ich jetzt nach unten scrolle, geben wir die Schlüssel und wir suchen in Form einer JSON-Antwort, oder? Und im Hauptteil geben Sie an, was genau die Aufforderung ist, und Sie geben an, wie viele Bilder Sie möchten, und Sie können die Größe dieses Bildes angeben. Das können Sie zur Verfügung stellen. Stimmt das? Sie das Bild erhalten haben, wird im Grunde genommen , sobald Sie die Antwort erhalten haben, was hier passiert die URL für das generierte Bild angezeigt. Im Grunde würde es eine URL geben, die in dieser bestimmten Python-Datei generiert würde , und Sie können diese bestimmte URL sehen, und Sie können Sobald Sie im Grunde auf diese URL klicken, können Sie das generierte Bild sehen. Auch hier verwenden wir die Python-basierte Anwendung, aber diesmal verwenden wir nicht SDG, das Software Development Kit Softwareentwicklungskit ist etwas, die vorgefertigten Bibliotheken oder die Pakete Oder wo wir die EPA anrufen. EPA ist auch eine der Möglichkeiten, wie wir mit dem PEA-Dienst interagieren können. Es ist nicht so, dass OPE EPAS nur für das D-Modell verfügbar Tatsächlich sind diese EPA-Endpunkte auch verfügbar, unabhängig davon, an welcher Python-Anwendung wir gearbeitet haben und an der wir gearbeitet haben, den Code und all diese Dinge generiert und an der wir gearbeitet haben, den Code und all diese SDK ist eine der Methoden und APA ist eine der Methoden. Ich hoffe, dieser Teil ist klar, Leute. Ich danke euch allen. 15. Verwenden deiner eigenen Daten mit Azure OpenAI Service: Er alle. Heute erfahren Sie also, wie Sie Ihre eigenen Daten als Open EA-Service verwenden können . Bisher haben wir in unserem OpenI-Service einige Beispiele dafür genannt , dass wir uns diese Art von Reaktion wünschen, aber wir können auch deine eigenen Daten mit diesem Open AA-Dienst verwenden auch deine eigenen Daten mit diesem Open AA-Dienst Aber lassen Sie uns zunächst den Unterschied zwischen dieser Feinabstimmung, bei der wir die Beispiele gegeben haben, und der Verwendung Ihrer eigenen Daten verstehen dieser Feinabstimmung, bei der wir die Beispiele gegeben haben , und der Verwendung Ihrer eigenen Daten Nun, Feinabstimmung ist eine Technik, die verwendet wird, um ein benutzerdefiniertes Modell zu erstellen wir bereits ein Modell wie den TPT 35 Turbo haben, und wir stellen hier einige Beispiele und alles weitere zur Verfügung Im Grunde genommen passen Sie das Modell an, indem Beispiel angeben, um die gleiche hohe Qualität der Ergebnisse zu erzielen. Dieser Vorgang ist jedoch etwas zeitaufwändig. Nehmen wir an, dass Sie diese Antwort nicht erhalten, müssen Sie vielleicht weitere Beispiele nennen. Dies ist zeitaufwändig und sollte nur für Anwendungsfälle verwendet werden , in denen dies erforderlich ist. Aber es gibt noch eine weitere Möglichkeit, wie wir etwas verwenden können , das auch als Verwendung Ihrer eigenen Daten bezeichnet wird. Sie können die Quellen angeben, da Sie dort bereits über Ihre Wissensdatenbanken verfügen , die auf den in Ihrer Datenquelle verfügbaren Informationen basieren . In der Datenquelle können Sie Ihre Daten auch als Suchressource eingeben . Im Grunde nimmt es die Daten und gibt Ihnen die Antwort. Diese Antwort, bei der wir Ihre eigenen Daten verwendet haben , wird definitiv genauer sein. Diese Technik wird nun auch als konkurrierende Augmented Ernation bezeichnet als konkurrierende Augmented Ernation Das ist R AG. Nun, was genau es ist. Es ist eine Architektur , die die Leistungsfähigkeit großer Sprachmodelle erweitert die Leistungsfähigkeit großer Sprachmodelle Wir haben bereits sogenannte große Sprachmodelle, und wir fügen das Informationsabrufsystem , das Basisdaten liefert. Zum Beispiel als Ihre KI-Suche. In unserer Azure AI-Suche können wir also einige Datenquellen bereitstellen. Wir können unsere Wissensdatenbank dort ablegen und sie kann diese Informationen aus dieser bestimmten Ressource abrufen , die als Azure AI-Suche bezeichnet wird. Also haben wir über etwas gesprochen, das als Feinabstimmung und Verwendung Ihrer eigenen Daten bezeichnet wird. Also werden wir ein Labor durchführen, in dem wir dieses Mal eine Technik verwenden werden , die als Verwendung Ihrer eigenen Daten bezeichnet wird. Also ich hoffe, dieser Teil ist klar, Leute. Danke euch allen. 16. Demo Verwenden deiner eigenen Daten mit Azure OpenAI Service: Hallo, alle zusammen. Deshalb werden wir heute eine Demo auf AS machen, wie Sie Ihre eigenen Daten mit dem ER Open EA-Service verwenden können. Lassen Sie mich Sie zum Z-Portal bringen. Ordnung. Also bin ich im Portal. Ich suche nach einem Dienst namens ASR Open AA. Ich hatte also bereits einen Open AA-Dienst erstellt, und ich werde diesen Dienst verwenden und Open EE Studio öffnen, richtig? Lassen Sie mich jetzt dieses Open A-Studio öffnen. Ordnung. Also werde ich das verwenden, um ein Studio zu öffnen. Lass uns darauf warten. In Ordnung. Ich bin im Open A Studio. Ich gehe zunächst zu diesem Deployment, weil wir ein Deployment erstellen müssen. Ich hatte also bereits ein Deployment für eine Datenquelle erstellt. Jetzt kannst du zu diesem Chat gehen, Spielplatz hier auf der linken Seite. Lass uns darauf warten. In Ordnung. Jetzt hier, ich werde so etwas wie diesen bereitstellen. Nehmen wir an, ich sage das. Ich würde gerne eine Reise nach New York machen . Wo sollte ich übernachten? Das ist es, wonach ich suche. Lass uns versuchen zu chatten. Und es wird mir eine Antwort geben, und das ist es, was es aufnimmt. Was auch immer dieses LLA-Modell bisher weiß, es gibt uns die Informationen, richtig? Aber was ist, wenn wir unsere eigenen Daten angeben wollen ? Dort werden wir dieses Konzept namens Add Your Data hier verwenden , oder? Also klicke ich auf Ihre Daten hinzufügen, ich klicke auf Datenquelle hinzufügen und ich sage hier Dateien laden. Ich habe also einige der PDF-Dateien da, und Sie müssten, um die Dateien hochzuladen, ein Speicherkonto verwenden Ich hatte also bereits ein Speicherkonto erstellt, und ich werde dieses Speicherkonto hier auswählen. Im Grunde genommen, damit es PDF-Dateien von dort abrufen kann. Ich zeige dir auch diese PDF-Dateien. Lassen Sie mich Ihnen tatsächlich diese PDA-Dateien zeigen. Lass es mich auf das Speicherkonto bringen. Ordnung. In Ordnung. Also gehe ich zum Speicherkonto und wähle den Bereich Speicherkonto hier drüben Warte darauf und ich gehe zu den Containern auf der linken Seite Also hatte ich einen Container namens Reisedaten erstellt. Ich klicke darauf. Und das sind einige der PDS, die da sind Also im Grunde das, was ich will. Wann immer KI mir in der Chat-Sitzung im Grunde antwortet, möchte ich, dass der KI-Assistent diese PDS weiterleitet und mir das beste Ergebnis daraus macht, oder? Das ist es, was ich will. Also gehe ich zurück in mein Open AI-Studio. Ordnung. Und dieses Mal wähle ich aus. Nehmen wir an, ich sage das einfach. Ich würde auch eine KI-Suchressource benötigen da die Daten in dieser speziellen Ressource indexiert werden in dieser speziellen Also klicke ich darauf. Ordnung. Ich bin in der Suchressource. Ich wähle meine Ressourcengruppe aus. Und nehmen wir an, das ist wieder für die Datensuche. Ressource. Also Zufallszahlen, und ich wähle sie in derselben Region aus, sagen wir in TS, und ich nehme die Standardeinstellung und klicke auf Überprüfen plus erstellen. Lass uns darauf warten. Klicken wir nun auf Erstellen. In Ordnung. Also klicke ich hier auf „Gehe zum Ressourcenbereich“. Ordnung. Also das ist geschaffen. Ich werde noch einmal in mein Open A-Studio zurückkehren. In Ordnung. Lass uns darauf warten. Und lass mich es auffrischen. Ich werde es auswählen. Warte darauf. Ordnung. Also gebe ich den Indexnamen an, sagen wir mal. Margie Stribl Margie, nehmen wir an, ich arbeite für eine Firma namens S Marge und gebe dort den Indexnamen an . Also was passiert im Grunde. Beim Speicherkonto sind Ihre Daten in Form eines PDA vorhanden Aber die Daten, die indexiert werden. Index: Stellen Sie sich vor, dass der Index wie eine Tabelle aussieht, in der Sie Zeilen und Spalten haben werden Deshalb geben wir diesem Index den Namen Margie Stribl Das werden wir verwenden, oder? Jetzt klicke ich hier auf Weiter. Ordnung. Also klicke ich auf. Diesmal das nächste Mal. Jetzt fragt es mich nach den Akten. Im Grunde habe ich es bereits in den Stowe hochgeladen, aber nehmen wir an, ich möchte es noch einmal machen, also klicke ich auf Dateien durchsuchen und lade es hier Ordnung. Ich habe alle meine Dateien hier hochgeladen. Das kannst du sehen. Lass uns auf Dateien laden klicken. Warte darauf. Und lass uns auf Weiter klicken. Abschnitt. O hier, ich verwende den Suchtyp Schlüsselwort basierend auf dem Schlüsselwort. Das ist es, wofür ich das Schlüsselwort wählen werde. Danach klicke ich auf Weiter. Ich werde diesen API-Schlüsselabschnitt hier für den Authentifizierungsteil verwenden. Ich werde auf Weiter klicken. Lass uns darauf warten. Das kannst du sehen. Wir haben einen Container , dort wird mir der Name des Containers angezeigt, und das ist die Suchressource. Das ist es, was passiert. Alle Dateien wurden hochgeladen. Lass uns auf klicken, speichern und schließen. Alle sagen, dass die Einnahme im Gange ist. Warten wir darauf Und wenn es fertig ist, werden wir versuchen, dieselbe Frage zu stellen und wir werden sehen, ob es sich um einen Bezug aus der Datenquelle handelt oder nicht. Ordnung. Also das ist erledigt. Klicken Sie erneut auf Eingabeaufforderung und versuchen Sie zu sehen, ob wir jetzt die Antwort erhalten . Scrollen wir es nach oben. Lassen Sie uns den Chat löschen. Und versuche noch einmal zu chatten. Und ich sage, ich würde gerne eine Reise nach New York machen. Wo sollte ich bleiben? Lass uns darauf warten. Jetzt kannst du das sehen. Sie können aus den folgenden Unterkünften wählen , die von March Travel angeboten werden. Es gibt mir auch die Möglichkeit, bei Marge Travel zu buchen. Dort habe ich diese Datenquelle angegeben. Es gibt mir also nur den Namen aus den PDF-Dateien , die ich hochgeladen habe. Wir haben also eine Sache gesehen , diese Feinabstimmung, Feinabstimmung war, die Beispiele zu nennen und so. Eine davon ist die Verwendung Ihrer eigenen Daten. Da haben wir unsere eigenen Daten verwendet, oder? Ich hoffe also, dieser Teil ist klar, Leute. Danke euch allen. 17. Übersicht über verantwortungsvolle KI-Praktiken für den Azure OpenAI-Modus: Jeder. Wir werden also mit Sicherheit verantwortungsvolle KI-Praktiken anwenden . Offenes KI-Modell. Wann immer Sie einige der Open-AI-Modelle entwickeln, müssen Sie einige der Empfehlungen von Microsoft für verantwortungsvolle KI-Praktiken befolgen . Lassen Sie uns nun zunächst verstehen. vielen dieser Modelle handelt es sich um offene KI-Modelle, die ebenfalls nichts anderes die generativen KI-Modelle die inhaltliche Verbesserung , die Zusammenfassung der gemeinsamen Generierung und die Suche vorgenommen haben die Zusammenfassung der gemeinsamen Generierung und die Suche Aber mit diesen Verbesserungen gibt es definitiv einige Herausforderungen, wie zum Beispiel schädliche Inhalte, die Nutzer generieren können Sie können Privatsphäre haben. Sie können auch den Datenschutz haben, der auch da sein kann, einer der wichtigen Faktoren , der auch eine Herausforderung sein kann. Wie man diese Art von Risiko eindämmt Wir haben uns bereits an einige der Prinzipien der verantwortungsvollen KI gehalten , wo wir über Fairness, Datenschutz und Sicherheit, Zuverlässigkeit und Sicherheit und alles andere gesprochen haben Datenschutz und Sicherheit, Zuverlässigkeit und Sicherheit und alles In Übereinstimmung mit diesen Microsoft-Standards für verantwortungsvolle KI gibt es jedoch diesen Microsoft-Standards für verantwortungsvolle KI einige Empfehlungen, insbesondere für diese offenen KI-Modelle, und diese Empfehlungen sind in vier Stufen unterteilt Die erste ist Identifizieren. Das heißt, identifizieren Sie die potenziellen Schäden. Sie können beispielsweise den potenziellen Schaden, der sich aus Ihrem KI-System ergeben könnte, durch iterative Stresstests oder Analysen identifizieren aus Ihrem KI-System ergeben könnte, durch iterative Stresstests oder Analysen Sie entwickeln beispielsweise eine Anwendung, die auf einer Diagrammtafel basiert Sie müssen also verstehen, ob Ihre Anwendung Inhalte generiert , die beleidigend oder diskriminierend sind Sie müssen diese potenziellen Schäden identifizieren. Das ist die erste Phase. Das wird Identifizierungsphase genannt. Also die Generierung von Inhalten, die zu illegalem oder unethischem Verhalten ermutigen Sie müssen diese Art von Risiko identifizieren. Das ist die erste Phase. Nun, die zweite ist das Maß. Messen bedeutet, dass Sie die Häufigkeit und Schwere dieser Schäden messen und Schwere dieser Schäden Sie können vielleicht auch manuelle oder automatisierte Tests durchführen, um festzustellen, ob es sich um einen auch manuelle oder automatisierte Tests durchführen, um festzustellen, ob Schweregrad oder um schädliche Inhalte handelt oder nicht Sie können Ihre Daten auch in irgendeiner Weise testen. Jetzt mildern. Mindern bedeutet, dass Sie diese Schäden auf mehreren Ebenen Ihrer Lösung beseitigen In R Open AI können Sie beispielsweise auch einen Inhaltsfilter verwenden, bei dem es etwas gibt, das als bezeichnet wird. Es gibt verschiedene Kategorien, in denen Sie den Inhalt nach bestimmten Faktoren filtern können den Inhalt nach bestimmten Faktoren filtern Sie können also einen der Server, die dort sind, als Ihre Open AI verwenden , die als Inhaltsfilter bezeichnet werden. Operieren Sie jetzt. Jetzt werden die letzten Phasen ausgeführt, in denen Sie einen Bereitstellungs - und Bereitschaftsplan ausführen . Sie können beispielsweise einen Plan zur Reaktion auf Vorfälle erstellen , der festlegt , wie lange es dauern wird unvorhergesehene Vorfälle zu reagieren Sie können auch einen Rollback-Plan erstellen , in dem die Schritte zur Wiederherstellung des vorherigen Status im Falle eines Vorfalls definiert zur Wiederherstellung des vorherigen Status sind . Dort werden Sie auch diesen Betriebsplan entwickeln. Nun haben wir in Open A über Inhaltsfilter gesprochen. Was genau diese Inhaltsfilter sind. Jetzt werden Inhaltsfilter auf die Eingabeaufforderung oder die Vervollständigung angewendet , um zu verhindern, dass schädliche oder anstößige Formulierungen entstehen. Das ist deine offene KI. Sie basiert auf den vier Kategorien. Erstens können Sie das auch auf Hassbasis tun. Jetzt können Sie auch sexuelle Inhalte einschränken, sodass Sie keine sexuellen Inhalte generieren möchten. Sie haben da verschiedene Kategorien. Die eine ist Gewalt, die Gewalt beschreibt, befürwortet oder verherrlicht Sie können sich auch selbst verletzen, also eine Sprache, die Selbstverletzung beschreibt oder dazu ermutigt Sie können die Einschränkung auf der Grundlage dieser Kategorien erstellen. Jetzt werden Filter immer auf diese Kategorien angewendet, und sie haben auch einen sogenannten Schweregradwert wie sicher oder niedrig, mittel, hoch, um zu bestimmen, welche spezifischen Sprachtypen von den Filtern abgefangen und verhindert werden Darin können Sie die Inhaltsfilter als Ihre offene KI verwenden als Ihre offene Ich hoffe also, dass dieser Teil klar ist, wenn es um die Prinzipien der verantwortungsvollen KI geht, insbesondere im Zusammenhang mit dem Open AI-Service. Ich danke euch allen.