Microsoft Azure がエンタープライズ生成 AI 向けに強化された RAG 製品「Models as a Service」を取得
年次開発者カンファレンスである Microsoft Build では、Azure AI Services への多数のアップグレードが行われ、その多くはすでにプレビュー段階にありました。
Microsoftは火曜日の年次Build開発者カンファレンスで、生成人工知能に焦点を当てた、Azureクラウドコンピューティングビジネス内のAzure AIサービスのいくつかの新機能を発表した。
新しい機能は、データベースへのアクセスを強化してビデオを複数の言語に自動的に吹き替えることから、複雑な文書構造を理解するための大規模な言語モデルの迅速なトレーニングまで多岐にわたります。ほとんどの革新と機能強化は、今週すでにプレビュー モードになっています。
スタジオから始まります
おそらくほとんどの開発者にとって最も関係があるのは、Microsoft が AI 用の統合開発環境である Azure AI Studio を強化したことです。
Azure 上でクラウド アプリケーションを作成するために必要なすべての要素を結合するために、Microsoft は、アプリケーションをクラウドにデプロイするために使用されるテンプレート化されたコマンドのセットである、Azure Developer CLI と呼ばれるものを強化しました。プレビュー中の機能により、開発者は「copilot サンプル リポジトリにリソースを作成し、継続的インテグレーション/継続的デリバリー (CI/CD) ソリューションの一部として大規模言語モデル操作 (LLM Ops) を促進して、コードからクラウドへのワークフローを加速する」ことができます。
Azure AI Studioのもう1つの今後の機能は、Microsoftが「Models as a Service」と呼ぶもので、モデルのGPUインフラストラクチャを管理することなく、プログラマーが選択した大規模な言語モデルをAPIとして呼び出すことができるとMicrosoftは述べた。
複雑な文書を迅速に理解する
Microsoft はまた、「カスタム ジェネレーティブ」と呼ばれる新しいタイプの AI モデルも導入しています。これは、テンプレートを使用して文書の構造を定義することで、複雑な文書を処理する言語モデルを迅速に開発する方法です。このアプローチにより、開発者が作成する必要がある「ラベル」、つまりドキュメント内のさまざまなフィールドについて AI モデルに教えるメタデータの数が削減されます。
「このモデルは大規模言語モデル（LLM）を使用してフィールドを抽出するため、ユーザーはモデルがフィールドを正しく取得できない場合にのみ出力を修正する必要がある」とMicrosoftは述べた。
カスタム ジェネレーティブは「間もなく」プレビュー版が提供されると Microsoft は述べた。
多数の追加機能は、「プロンプト フロー」からトレースとデバッグ、本番稼働後の Gen AI の統計に至るまで、生成 AI アプリ作成の複数の部分を容易にすることを目的としています。
RAG の使用の拡大
クエリの結果を特定し、幻覚を回避するために、独自のデータに基づいて大規模な言語モデルを構築したいと考えている企業のために、同社は Azure AI Search を更新しました。このサービスは、検索拡張生成 (RAG) と呼ばれるものに基づいています。これは、最新のプロンプトを単に検索するのではなく、データベース内のプロンプトに対する回答を検索する広く普及している手法です。
Azure AI Search の新機能には、LLM に適したデータの圧縮表現である「ベクトル」として保存された結果をサービスがスコアリングする方法の強化が含まれます。この変更により、「顧客はより多くの選択肢と柔軟性を得ることができ、応答の精度が向上する」とMicrosoftは述べている。
このサービスには、テキストだけでなく画像をベクトルに変換する機能も追加されており、LLM がクエリ応答の画像を簡単に取得できるようになります。
また、昨年の Build で発表されたデータ分析プラットフォームである Fabric を、同じく昨年発表された OneLake データ レイクに含まれるデータをルーティングするコネクタを通じて使用することで、Azure AI Search サービスを企業データに接続することも容易になります。
Microsoft は、Azure AI Search で大きなベクトル サイズと拡張されたストレージ機能を使用して RAG 関数を拡張できることを強調しています。
これらの機能は現在、プレビュー形式で Azure AI Search で利用できます。
データベースの強化
RAG はそれ自体便利ですが、ほとんどの企業では、従来のデータベース取得方法を組み合わせてデータを取得する必要があります。 Azure データベース担当コーポレートバイスプレジデントである Shireesh Thota 氏は、ブログ投稿で次のように述べています。「AI アプリケーションがより主流になるにつれ、シームレスなデータベース管理が最も重要になります。無制限かつ自律的に拡張できる信頼できるソリューションは、高速で、比類のない柔軟性と信頼性を提供することが、コーディングの未来を形作るでしょう。」
そのため、Microsoft は、大規模な言語モデルの展開に不可欠な機能をデータベース製品に追加しました。これは、コンテンツの圧縮表現にインデックスを付け、より簡単に取得できるようにする「ベクトル検索」です。 「エンベディング」は、フロントエンドで言語モデルの入力データを圧縮して、データベースに馴染みのある方法で保存できるようにする手段です。
Azure Cosmos DB for NoSQL は、ベクトル検索を実行するために Azure Cosmos データベースを拡張します。 Microsoftは、Cosmosを「サーバー管理を必要とせず、クラウド規模での低遅延ベクトル検索」を実現する初のクラウドデータベースになると述べている。
Azure Database for PostgreSQL のデータベース内埋め込みは、由緒ある PostgreSQL データベースの Azure 実装を更新し、入力データを LLM が理解できる表現に自動的に圧縮できるようにします。
アプリ開発への移行中
いくつかの新しい製品は、生成 AI アプリの開発方法を標準化することを目的としています。これらには、「プライベート チャットボットのパターンとプラクティス」が含まれており、これは企業が「信頼性が高く、コスト効率が高く、コンプライアンスに準拠したプライベート チャットボットを作成」できるようにするリファレンス実装のコレクションであると Microsoft は述べています。
チャットボット テンプレートは現在利用可能です。
新しいマルチモダリティ
開発者 AI カンファレンスは、いくつかの新しいモデルがなければ完成しません。 Microsoftは、1年前に導入された言語モデルの「Phi」ファミリーへの追加を発表した。ファイは、PC などの「エッジ」デバイスで使用できるように、小さく作られています。つまり、それほど大量のパラメータ、つまりニューラル「重み」を持たないように作られています。新しいバージョンの Phi-3-Vision は、画像に対するクエリの実行をサポートするようになりました。
「42億パラメータのサイズを持つPhi-3-visionは、一般的な視覚推論タスクとチャート/グラフ/表推論をサポートします」とMicrosoftは述べた。
Phi の更新に加えて、Microsoft は、先週導入された OpenAI の最新の大規模言語モデルである GPT-4o がプレビュー形式で Azure AI Studio で利用可能になることを発表しました。 Studio には、OpenAI によって先月展開された OpenAI の GPT-4「ビジョン機能を備えたターボ」も追加されました。 Microsoft は、ビジョンを備えた GPT-4 は、「AI アプリに新しい次元を導入し、テキスト、画像などにまたがるコンテンツの作成を可能にし、より豊かなユーザー エクスペリエンスを実現します」と述べています。
「これは、検索拡張生成 (RAG) と統合された Microsoft Azure AI Enterprise Chat (以前は On Your Data) の新機能と合わせて、マルチモーダル AI アプリの時代の始まりを示し、開発者に構築ツールを提供します。より直感的でインタラクティブなソリューションがこのアップデートで一般公開されました。」
ガードレールのカスタマイズ
Microsoft が展開しているツールにより、組織は生成 AI にどのような種類のガードレールを課すかを微調整できるようになります。 「カスタム カテゴリ」を使用すると、開発者はコンテンツ制限を特定するために選択したフィルターを作成できます。 「この新機能には、新たな脅威やインシデントから保護するために、1 時間以内に新しいカスタム フィルターを展開できる迅速なオプションも含まれています」と Microsoft は述べています。
プレビュー中のもう 1 つの機能である「プロンプト シールド」は、大規模な言語モデルに対するジェイルブレイク攻撃をブロックすることを目的としており、多くの場合、プロンプトを賢い方法で作成するだけで実現できます。
どちらの機能も、Microsoft の Azure AI Content Safety サービスの一部です。
スピーチをする
Google の Gemini や OpenAI の GPT-4o などのモデルの流れを汲み、Microsoft はプログラムに音声を与えることに重点を置いています。プレビュー中の 2 つの機能には、感情分析などのためにオーディオおよびビデオ データを調査する分析ツールと、ビデオを複数の言語に自動的に翻訳できるビデオ ダビング サービスが含まれます。