This is the Trace Id: fa9b5dfc34510cddbd1724248bf96f7f
跳转至主内容 浏览 查看所有产品 (200+) Microsoft Foundry Azure Copilot GitHub Copilot Azure Kubernetes 服务 (AKS) Azure Cosmos DB Azure Database for PostgreSQL Azure Arc Microsoft Fabric Azure 上的 Linux 虚拟机 Foundry 模型 Foundry 智能体服务 Foundry IQ Foundry Tools Foundry Control Plane Foundry Control Plane 中的可观测性 Foundry 模型中的 Azure OpenAI Foundry Tools 中的 Azure 语音 Azure 机器学习 查看所有数据库 Azure Cosmos DB Azure DocumentDB Azure SQL Azure Database for PostgreSQL Azure 托管的 Redis Microsoft Fabric Azure Databricks Azure 上的 Linux 虚拟机 Azure 上的 Windows Server Azure Functions Azure 虚拟机规模集 Azure API 管理 Azure 容器应用 Azure Kubernetes 服务 (AKS) Azure Kubernetes 舰队管理器 Azure 容器注册表 Azure Red Hat OpenShift Azure 容器实例 Azure 容器存储 Azure Arc Azure Local Microsoft Defender for Cloud Azure Monitor Microsoft Sentinel Azure Migrate 查看所有解决方案 (40+) 适用于中小型企业的云解决方案 云迁移和现代化中心 AI 数据分析 Azure 数据库 AI 应用和智能体 Microsoft 市场 Microsoft Sovereign Cloud AI 应用和智能体 Azure 的负责任 AI AI 基础结构 AI 数据分析 机器学习运营 (MLOps) Azure 上的低代码应用程序开发 集成服务 无服务器计算 DevOps 迁移和现代化中心 .NET 应用迁移 Azure 上的数据库 Linux on Azure Azure 上的 Oracle Microsoft 云上的 SAP 自适应云 高性能计算 (HPC) 基础结构即服务 (IaaS) 复原能力 Azure Essentials 适用于 Azure 的 Frontier Accelerate Azure 上的 FinOps Microsoft 市场 Azure 定价概述 创建 Azure 帐户 免费 Azure 服务 灵活的购买选项 定价计算器 Azure 上的 FinOps 最大限度地提高 AI 的 ROI Azure 节省计划 Azure 预留 Azure 混合权益 虚拟机 Azure SQL Microsoft Foundry Microsoft Fabric Azure Kubernetes 服务 (AKS) Microsoft Defender for Cloud 查看更多 软件开发公司 Microsoft 市场 寻找合作伙伴 面向 Azure 合作伙伴的资源 开始使用 Azure 客户案例 分析师报告、白皮书和电子书 视频 详细了解云计算 文件 探索 Azure 门户 开发人员资源 快速启动模板 面向初创企业的资源 开发者社区 学生 面向合作伙伴的 Azure 部落格 活动与网络研讨会 了解 支援 连络销售人员 开始使用 Azure 登录

什么是人工智能? 

获取人工智能 (AI) 及其许多用例的概述。此外,了解如何使用 Azure 服务开始构建、部署和管理由 AI 支持的应用。

AI 定义

人工智能 (AI) 是指旨在执行通常需要人类思维的任务的计算机系统或模型,例如理解语言、识别模式、解决问题和做出决策。 传统 AI 系统仅遵循固定规则,但较新的 AI 系统(例如认知 AI)可以从数据中学习并随时间推移不断改进,从而使它们在处理新情况时更加准确。 

AI 用于我们的许多日常工具中,包括虚拟助手、推荐系统和聊天机器人。 

  • AI 模型会识别数据中的模式和关系,这些模式和关系可用于生成新的预测、建议和响应。
  • 主要行业的组织已经在使用 AI 来提高生产力,并在现实世界的用例中推动创新。
  • 展望未来,预计 AI 将扩大机会、促进经济增长,并推动长期创新。

AI 如何工作

基于生成式预训练转换器 (GPT) 构建的 AI 模型使用机器学习来分析大量数据,例如文本、图像或数字,从而识别可用于产生输出(如预测、建议或响应)的模式和关系。

该过程通常遵循一个简单的循环:

  1. 收集并准备数据
  2. 训练模型以识别模式
  3. 通过反馈测试和改进结果

在每个循环中,AI 模型都会自我调整,变得更加准确,并能更有效地处理新情况。 本质上,AI 的工作原理是不断从数据中学习、优化其理解,并应用这些学习成果,以随着时间的推移提供更好的结果。 

AI 用例示例

随着组织继续创新,AI 正成为提高生产力和推动团队及行业创新的基础工具。以下示例突出了一些常见的现实世界用例:

  • 软件开发中的工作流自动化:开发人员已经在使用由 AI 支持的解决方案(例如 GitHub Copilot)来帮助编写代码、测试软件并自动化工作流。因此,开发团队有更多的时间和精力专注于更有价值的工作。
  • 文档摘要:各行各业的组织都使用 GPT 从报告、会议转录和电子邮件中生成简短摘要。这有助于团队成员无需深入阅读冗长的材料即可理解关键见解,从而提高生产力。
  • 医疗保健研究和分析:在医学领域,医生使用多模态 LLM 快速分析医学图像和复杂的患者数据。这使他们能够更高效地诊断疾病,并根据个人档案提供个性化的护理计划。
  • 零售:零售商使用 AI 模型来预测需求、管理库存,并为在线或店内购物的客户提供个性化推荐。
  • 增强的安全性:通过独特的面部特征验证身份,AI 增强的面部识别技术防止未经授权访问设备、安全设施和敏感数据。这一额外的保护层可降低违规风险,并增强整体安全状况。

未来趋势

AI 的未来预计将是变革性的。 随着 AI 服务和工具的不断发展,它们将更加融入日常生活。 例如,人工智能即服务 (AIaaS) 现在使各行各业的团队和组织能够通过 API 和云服务访问 AI 功能,使他们能够以更智能的方式工作,更快地解决复杂问题,并以具有成本效益的价格释放新的创造力和创新水平。

通过为人类提供更高效、响应更快且更易用的系统,AI 有望显著扩大个人和社会的机会,作为经济增长和长期创新的强大合作伙伴和贡献者。 

常见问题解答

  • AI 通过自动化任务、分析大量数据以及帮助人们做出更好的决策,使许多行业的工作更快、更智能、更高效。    它还可以用于改善日常体验,为虚拟助手、聊天机器人和推荐引擎等提供支持。       
  • AI 的一个例子可能是像 Siri 这样的虚拟助手,它可以通过语音或文本获得提示来回答问题并执行任务。另一个例子是推荐服务,例如流媒体或购物平台使用的服务,它们可以根据你的行为和偏好建议产品或内容。              
  • AI 是一个广泛的领域,专注于能够分析数据、识别模式并做出决策的系统。生成式 AI 是 AI 中的一种特定类型,旨在根据其所学内容产生新的输出,例如文本、图像或代码。   
  • AI 通过学习大量数据并寻找模式来学习。它做出预测或决策,将其与正确答案或反馈进行比较,并调整自身以随着时间的推移进行改进。AI 通过一个重复的循环进行学习:观察数据、做出猜测、获得反馈,并通过练习进行改进。