Rafraîchissez vos connaissances en intelligence artificielle générative et découvrez les outils .NET disponibles pour vous aider à développer des applications d'IA générative.
⬆️Cliquez sur l'image pour regarder la vidéo⬆️
- 🌟 Comprendre les concepts fondamentaux de l'IA générative et leurs applications
- 🔍 Explorer les outils .NET pour le développement d'IA, y compris MEAI et Azure OpenAI
Avant de plonger dans le code, prenons un moment pour réviser certains concepts de l'IA générative (GenAI). Dans cette leçon, Fondamentaux de l'IA générative pour .NET, nous allons rafraîchir quelques concepts fondamentaux de GenAI afin que vous compreniez pourquoi certaines choses sont faites de cette manière. Nous introduirons également les outils et SDK que vous utiliserez pour créer des applications, comme MEAI (Microsoft.Extensions.AI), et l'extension AI Toolkit pour VS Code.
L'IA générative est un type d'intelligence artificielle qui crée du contenu nouveau, comme du texte, des images ou du code, en se basant sur des modèles et des relations appris à partir de données. Les modèles d'IA générative peuvent produire des réponses proches de celles d'un humain, comprendre le contexte et parfois même créer un contenu qui semble humain.
Lorsque vous développerez vos applications .NET AI, vous travaillerez avec des modèles d'IA générative pour créer du contenu. Voici quelques capacités de ces modèles :
- Génération de texte : Rédiger du texte naturel pour des chatbots, du contenu ou des complétions de texte.
- Génération et analyse d'images : Produire des images réalistes, améliorer des photos ou détecter des objets.
- Génération de code : Écrire des extraits de code ou des scripts.
Il existe différents types de modèles optimisés pour des tâches spécifiques. Par exemple, les modèles de langage de petite taille (SLMs) sont idéaux pour la génération de texte, tandis que les modèles de langage de grande taille (LLMs) conviennent mieux aux tâches complexes comme la génération de code ou l'analyse d'images. Ensuite, différentes entreprises et groupes développent ces modèles, comme Microsoft, OpenAI ou Anthropic. Le choix du modèle dépendra de votre cas d'utilisation et des capacités requises.
Bien sûr, les réponses de ces modèles ne sont pas toujours parfaites. Vous avez probablement entendu parler de modèles qui "hallucinent" ou génèrent des informations incorrectes avec assurance. Cependant, vous pouvez guider le modèle pour produire de meilleures réponses en lui fournissant des instructions claires et un contexte approprié. C'est là qu'intervient le prompt engineering.
Le prompt engineering consiste à concevoir des entrées efficaces pour guider les modèles d'IA vers les résultats souhaités. Cela implique :
- Clarté : Rendre les instructions claires et sans ambiguïté.
- Contexte : Fournir les informations de base nécessaires.
- Contraintes : Spécifier les limitations ou les formats attendus.
Quelques bonnes pratiques incluent la conception des prompts, des instructions claires, la décomposition des tâches, l'apprentissage à un ou plusieurs exemples, et l'optimisation des prompts. Il est également utile d'essayer et de tester différents prompts pour voir ce qui fonctionne le mieux pour votre cas spécifique.
Il est important de noter qu'il existe différents types de prompts dans le développement d'applications. Par exemple, vous serez chargé de définir des prompts système qui établissent les règles de base et le contexte pour la réponse du modèle. Les données que l'utilisateur de votre application fournit au modèle sont appelées prompts utilisateur. Et les prompts assistant sont les réponses générées par le modèle en fonction des prompts système et utilisateur.
🧑🏫 En savoir plus : Apprenez-en davantage sur le prompt engineering dans le chapitre sur le prompt engineering du cours GenAI pour débutants
Lorsque vous travaillez avec des modèles d'IA générative, vous rencontrerez des termes comme tokens, embeddings et agents. Voici un aperçu rapide de ces concepts :
- Tokens : Les tokens sont les plus petites unités de texte dans un modèle. Ils peuvent être des mots, des caractères ou des sous-mots. Les tokens servent à représenter les données textuelles dans un format compréhensible par le modèle.
- Embeddings : Les embeddings sont des représentations vectorielles des tokens. Ils capturent la signification sémantique des mots et des phrases, permettant aux modèles de comprendre les relations entre les mots et de générer des réponses contextuellement pertinentes.
- Bases de données vectorielles : Les bases de données vectorielles sont des collections d'embeddings utilisées pour comparer et analyser des données textuelles. Elles permettent aux modèles de générer des réponses basées sur le contexte des données d'entrée.
- Agents : Les agents sont des composants d'IA qui interagissent avec les modèles pour générer des réponses. Il peut s'agir de chatbots, d'assistants virtuels ou d'autres applications utilisant des modèles d'IA générative pour créer du contenu.
En développant des applications .NET AI, vous utiliserez des tokens, des embeddings et des agents pour créer des chatbots, des générateurs de contenu et d'autres applications alimentées par l'IA. Comprendre ces concepts vous aidera à concevoir des applications AI plus efficaces et performantes.
.NET offre une gamme d'outils pour le développement d'IA. Prenons un moment pour comprendre certains des outils et bibliothèques disponibles.
La bibliothèque Microsoft.Extensions.AI (MEAI) fournit des abstractions unifiées et des middlewares pour simplifier l'intégration des services d'IA dans les applications .NET.
En offrant une API cohérente, MEAI permet aux développeurs d'interagir avec différents services d'IA, tels que les modèles de langage petits et grands, les embeddings, et même les middlewares via une interface commune. Cela réduit les frictions liées à la création d'une application .NET AI, car vous développerez contre la même API pour différents services.
Par exemple, voici l'interface que vous utiliseriez pour créer un client de chat avec MEAI, quel que soit le service d'IA utilisé :
public interface IChatClient : IDisposable
{
Task<ChatCompletion> CompleteAsync(...);
IAsyncEnumerable<StreamingChatCompletionUpdate> CompleteStreamingAsync(...);
ChatClientMetadata Metadata { get; }
TService? GetService<TService>(object? key = null) where TService : class;
}Ainsi, lorsque vous utilisez MEAI pour créer une application de chat, vous développerez contre la même surface d'API pour obtenir une complétion de chat ou diffuser cette complétion, récupérer des métadonnées ou accéder au service d'IA sous-jacent. Cela facilite le remplacement ou l'ajout de nouveaux services d'IA selon les besoins.
De plus, la bibliothèque prend en charge des composants middleware pour des fonctionnalités comme la journalisation, la mise en cache et la télémétrie, ce qui simplifie le développement d'applications AI robustes.
Grâce à une API unifiée, MEAI permet aux développeurs de travailler avec différents services d'IA, tels que Azure AI Inference, Ollama et OpenAI, de manière cohérente. Cela simplifie l'intégration des modèles d'IA dans les applications .NET, offrant aux développeurs une flexibilité pour choisir les meilleurs services d'IA pour leurs projets et leurs besoins spécifiques.
🏎️ Démarrage rapide : Pour un démarrage rapide avec MEAI, consultez l'article de blog.
📖 Docs : En savoir plus sur Microsoft.Extensions.AI (MEAI) dans la documentation MEAI
L'IA générative ouvre un monde de possibilités pour les développeurs, leur permettant de créer des applications innovantes qui génèrent du contenu, comprennent le contexte et fournissent des réponses proches de celles d'un humain. L'écosystème .NET offre une gamme d'outils et de bibliothèques pour simplifier le développement d'IA, facilitant l'intégration des capacités d'IA dans les applications .NET.
Dans les prochains chapitres, nous explorerons ces scénarios en détail, avec des exemples pratiques, des extraits de code et des bonnes pratiques pour vous aider à créer des solutions d'IA concrètes avec .NET !
Ensuite, nous configurerons votre environnement de développement ! Vous serez ainsi prêt à plonger dans le monde de l'IA générative avec .NET !
👉 Configurez votre environnement de développement AI
Avertissement :
Ce document a été traduit à l'aide de services de traduction automatisée basés sur l'intelligence artificielle. Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de faire appel à une traduction humaine professionnelle. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction.