Firma Microsoft udostępnia wersję zapoznawczą dodatków Copilot dla platformy Azure

Następnie Zapal 2023 W tym tygodniu na konferencji Microsoft zademonstrował narzędzia Copilot upraszczające zarządzanie usługami w chmurze Azure wraz z narzędziem upraszczającym tworzenie i wdrażanie aplikacji sztucznej inteligencji (AI) na platformie Azure.

Ponadto Microsoft uruchomił Studio Microsoft Copilotnarzędzie o niskim kodzie, które automatyzuje proces tworzenia wtyczek integrujących dane i dodawania niestandardowych asystentów w ramach wcześniej uruchomionego przez firmę Microsoft narzędzia Microsoft Copilot dla Microsoft 365.

Asystent Microsoft dla platformy Azure Wykorzystuje duże modele językowe (LLM), aby umożliwić zespołom IT używanie języka naturalnego do tworzenia, konfigurowania, odkrywania i rozwiązywania problemów z usługami platformy Azure. Umożliwia także zespołom IT tworzenie złożonych zamówień, zadawanie pytań i optymalizację kosztów.

Erin Chappell, wiceprezes korporacyjny Azure Core w firmie Microsoft, powiedziała uczestnikom Ignite, że Microsoft wraz z kilkoma klientami korzysta już z Microsoft Copilot Azure do zarządzania swoją infrastrukturą Azure.

W dłuższej perspektywie Microsoft wyraźnie zmierza w stronę uproszczenia tworzenia i wdrażania aplikacji AI przy użyciu… Studio sztucznej inteligencji Azure, framework do wywoływania modeli AI udostępniany przez firmę Microsoft na platformie Azure. Celem jest umożliwienie organizacjom tworzenia własnych pilotów w oparciu o przeszkolone modele sztucznej inteligencji.

To wciąż dopiero początek, aby organizacje mogły wykorzystywać modele sztucznej inteligencji do tworzenia aplikacji, ale już jest jasne, że DevOps i operacje uczenia maszynowego (MLops), a także najlepsze praktyki w zakresie inżynierii danych i cyberbezpieczeństwa będą musiały się zbliżyć. Firma Microsoft opowiada się za platformą Azure AI Studio, która umożliwi organizacjom IT osiągnięcie tego celu.

Oczywiście Microsoft nie jest jedynym dostawcą zasobów infrastruktury IT o podobnych ambicjach, ale dzięki inwestycjom w OpenAI i przejęciu GitHub przeszedł długą drogę w zakresie zdefiniowania ram do tworzenia aplikacji AI na dużą skalę. W zeszłym tygodniu GitHub zademonstrował rozszerzenie narzędzi Copilot, które już udostępnia, aby pomóc programistom w pisaniu kodu wykorzystującego generatywną sztuczną inteligencję do automatycznego sugerowania edytowalnego planu tworzenia aplikacji w oparciu o opisy w języku naturalnym zapisane w oprogramowaniu do zarządzania projektami GitHub Issues. Copilot Workspace jednym kliknięciem utworzy edytowalne dokumenty, które można wykorzystać do wygenerowania kodu, który programiści mogą następnie wizualnie sprawdzić. Wszelkie błędy wykryte przez twórców aplikacji lub platformę Copilot Workspace można również naprawić automatycznie.

W międzyczasie GitHub rozszerzył zakres i zasięg Copilot Chat, aby ułatwić programistom używanie języka naturalnego do wykrywania problemów w ich bazie kodu.

Generatywna sztuczna inteligencja ma już ogromny wpływ na tempo rozwoju aplikacji, ale ten kod wymaga jeszcze przeglądu. Czat GPT opiera się na dużym modelu języka ogólnego przeznaczenia (LLM), który jest szkolony poprzez pobieranie kodu o różnej jakości z Internetu. W rezultacie kod wygenerowany przez platformę może zawierać luki w zabezpieczeniach lub być nieskuteczny. W wielu przypadkach profesjonalni programiści nadal wolą pisać własny kod.

Oczywiście nie każde zadanie programistyczne wymaga tego samego poziomu doświadczenia programistycznego. Na przykład ChatGPT wygeneruje skrypt, który można bezpiecznie ponownie wykorzystać w przepływie pracy DevOps. Nie brakuje obecnie programistów średnio zaawansowanych piszących lepszy kod dzięki narzędziom takim jak GitHub Copilot, a wkrótce certyfikaty LLM specyficzne dla danej domeny umożliwią pisanie stale lepszego kodu w oparciu o sprawdzone przykłady kodu.

Kolejnym wyzwaniem będzie znalezienie sposobu na zarządzanie rosnącą ilością kodu. Nie ma wątpliwości, że AI będzie stosowana do zarządzania potokami DevOps, ale przynajmniej na razie tempo stosowania AI do pisania kodu już przewyższa możliwości zespołów DevOps do zarządzania nim.