Introducción al servicio Azure OpenAI: una alianza para potenciar la inteligencia artificial

Azure OpenAI Service surge de la colaboración entre Microsoft y OpenAI, combinando las funcionalidades de nivel empresarial de Azure con las capacidades del modelo de inteligencia artificial (IA) generativa de OpenAI. Esta alianza tiene como objetivo utilizar la infraestructura de Azure, incluida su seguridad, cumplimiento y disponibilidad regional, para ayudar a los usuarios a crear aplicaciones empresariales de alta calidad.

Los usuarios de Azure pueden acceder a Azure OpenAI y disfrutar de sus cuatro componentes principales: modelos de IA generativos previamente entrenados, capacidades de personalización, herramientas integradas para detectar y mitigar casos de uso dañinos, y seguridad de nivel empresarial con control de acceso basado en roles (RBAC) y redes privadas.

Azure OpenAI admite cargas de trabajo comunes de IA como aprendizaje automático, visión por computadora, procesamiento de lenguaje natural, IA conversacional, detección de anomalías y minería de conocimiento. Además, se clasifica en tres grupos de cargas de trabajo: generación de lenguaje natural, generación de código y generación de imágenes.

El servicio de Azure OpenAI está relacionado con los servicios de Azure AI, que se agrupan en la plataforma de Azure Machine Learning, Cognitive Services y Applied AI Services. Azure Cognitive Services se divide en cinco pilares: visión, voz, lenguaje, decisión y Azure OpenAI Service.

microsoft ai portfolio graphic

En el caso de las funcionalidades superpuestas entre el servicio de lenguaje de Cognitive Services y Azure OpenAI Service, como traducción, análisis de sentimientos y extracción de palabras clave, se recomienda utilizar el servicio de lenguaje existente de Azure para casos de uso ampliamente conocidos que requieran ajustes mínimos. Azure OpenAI Service puede ser más beneficioso para casos de uso que necesiten modelos generativos altamente personalizados o investigaciones exploratorias.

Es importante considerar el tiempo y las necesidades de proceso en el entrenamiento de aprendizaje automático para tomar decisiones empresariales sobre qué tipo de modelo utilizar. Un modelo de mayor rendimiento, una tarea más compleja y un conjunto de datos de entrenamiento más grande requerirán más tiempo para identificar el modelo que mejor se adapte a los datos.

Acceso a la formación online de Microsoft.

Scroll al inicio