Aptitud de AML

Use la aptitud AML para ampliar el enriquecimiento con inteligencia artificial con un modelo de inserción base implementado desde el catálogo de modelos de Microsoft Foundry (versión preliminar) o un modelo de Azure Machine Learning personalizado (AML). Tus datos se procesan en la Geo donde se despliega tu modelo.

Especifique la aptitud AML en un conjunto de aptitudes, que luego integra el modelo implementado en una canalización de enriquecimiento con IA. La aptitud AML es útil para realizar el procesamiento o la inferencia no compatibles con las aptitudes integradas. Entre los ejemplos se incluyen la generación de incrustaciones con su propio modelo y la aplicación de la lógica de aprendizaje automático personalizada al contenido enriquecido.

Para los puntos de conexión en línea de AML, use una versión de API estable o un SDK de Azure equivalente para llamar a la aptitud AML. Para las conexiones al catálogo de modelos, use una versión preliminar de la API.

Uso de aptitudes de AML

Al igual que otras aptitudes, la aptitud AML tiene entradas y salidas. Las entradas se envían como un objeto JSON a una implementación sin servidor desde el catálogo de modelos Foundry o un punto de conexión en línea de AML. La salida debe incluir un código de estado de éxito, una carga JSON y los parámetros especificados por la definición de habilidades de AML. Cualquier otra respuesta se considera un error y no se realiza ningún enriquecimiento.

El indexador vuelve a intentarlo dos veces para los siguientes códigos de estado HTTP:

• 503 Service Unavailable
• 429 Too Many Requests

Habilidad de AML para modelos en Microsoft Foundry (versión preliminar)

Búsqueda de Azure AI proporciona el vectorizador del catálogo de modelos de Microsoft Foundry (versión preliminar), que también está disponible en el asistente Importar datos, para realizar conexiones al catálogo de modelos en tiempo de consulta. Si desea usar este vectorizador para consultas, la aptitud AML es el homólogo de indexación para generar inserciones mediante un modelo del catálogo de modelos.

Durante la indexación, la aptitud AML puede conectarse al catálogo de modelos para generar vectores para el índice. En el momento de la consulta, las consultas pueden usar un vectorizador para conectarse al mismo modelo para vectorizar cadenas de texto. Debe usar la aptitud AML y el vectorizador de catálogo de modelos de Microsoft Foundry juntos para que se use el mismo modelo de inserción para la indexación y las consultas. Para obtener más información, consulte Uso de modelos de integración desde el catálogo de modelos Foundry.

Se recomienda usar el Asistente para importar datos para generar un conjunto de aptitudes que incluya una aptitud de AML para los modelos de inserción implementados en Foundry. El asistente genera la definición de la aptitud AML para entradas, salidas y asignaciones, lo que proporciona una manera fácil de probar un modelo antes de escribir cualquier código.

Requisitos previos

• Un proyecto basado en Microsoft Foundry Hub o un área de trabajo de AML para un modelo personalizado que crees.

• Para proyectos basados solo en centros, una implementación sin servidor de un modelo compatible desde el catálogo de modelos de Microsoft Foundry. Puede usar el CLI de Azure para aprovisionar la implementación sin servidor.

@odata.type

Microsoft.Skills.Custom.AmlSkill

Parámetros de aptitud

Los parámetros distinguen entre mayúsculas y minúsculas. Los parámetros que use dependen de la autenticación que requiere el proveedor de modelos, si existe.

Autenticación

La aptitud AML proporciona dos opciones de autenticación:

• Autenticación basada en claves: Proporcione una clave estática para autenticar las solicitudes de puntuación de la aptitud AML. Establezca los parámetros uri y key para esta conexión.

• Autenticación basada en tokens: El proyecto basado en concentrador de Foundry o el punto de conexión en línea de AML se implementa mediante la autenticación basada en tokens. El servicio Búsqueda de Azure AI debe tener una identidad administrada y una asignación de roles en el proveedor de modelos. A continuación, la aptitud AML usa la identidad del servicio de búsqueda para autenticarse en el proveedor de modelos, sin que se requieran claves estáticas. La identidad del servicio de búsqueda debe tener el rol Propietario o Colaborador . Establezca el resourceId parámetro y, si el servicio de búsqueda está en una región diferente del proveedor de modelos, establezca el region parámetro .

Entradas de habilidades

Las entradas de aptitud son un nodo del documento enriquecido creado durante el descifrado de documentos. Por ejemplo, podría ser el documento raíz, una imagen normalizada o el contenido de un blob. No hay entradas predefinidas para esta aptitud. Para las entradas, debe especificar uno o varios nodos que se rellenan en el momento en que se ejecuta la habilidad AML.

Resultados de habilidades

Las salidas de aptitud son nuevos nodos de un documento enriquecido creado por la aptitud. No hay salidas predefinidas para esta aptitud. Para las salidas, debe proporcionar nodos que se puedan rellenar a partir de la respuesta JSON de la aptitud AML.

Definición de ejemplo

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A custom model that detects the language in a document.",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "text",
        "source": "/document/content"
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Estructura JSON de entrada de ejemplo

Esta estructura JSON representa la carga enviada al proyecto basado en el centro de Foundry o al punto de conexión en línea de AML. Los campos de nivel superior de la estructura corresponden a los "nombres" especificados en la sección de la inputs definición de aptitud. Los valores de esos campos proceden de las "fuentes" de los mismos, que podrían ser de un campo del documento u otra habilidad.

{
  "text": "Este es un contrato en Inglés"
}

Estructura JSON de salida de ejemplo

La salida corresponde a la respuesta del proyecto basado en el centro de Foundry o el punto de conexión en línea de AML. El proveedor de modelos debe devolver solo una carga útil en formato JSON (verificada mediante la inspección del encabezado de respuesta Content-Type) y debe ser un objeto cuyos campos son enriquecimientos que coinciden con los "nombres" en output y cuyo valor se considera el enriquecimiento.

{
    "detected_language_code": "es"
}

Definición de ejemplo de formas insertadas

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A sample model that detects the language of sentence",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "shapedText",
        "sourceContext": "/document",
        "inputs": [
            {
              "name": "content",
              "source": "/document/content"
            }
        ]
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Estructura JSON de entrada de formas insertadas

{
  "shapedText": { "content": "Este es un contrato en Inglés" }
}

Estructura JSON de salida de ejemplo de formas insertadas

{
    "detected_language_code": "es"
}

Casos de error

Además de que su proyecto basado en el centro de Foundry o el punto de conexión en línea de AML no estén disponibles o envíen códigos de estado no exitosos, los siguientes casos se consideran errores:

• El proveedor de modelos devuelve un código de estado correcto, pero la respuesta indica que no es application/json. Por lo tanto, la respuesta no es válida y no se realiza ningún enriquecimiento.

• El proveedor de modelos devuelve JSON no válido.

Si el proveedor de modelos no está disponible o devuelve un error HTTP, se agrega un mensaje de error amigable con los detalles disponibles sobre el error HTTP al registro de ejecución del indexador.

Contenido relacionado

• Crear un conjunto de habilidades en Búsqueda de Azure AI
• Uso de modelos de inserción desde el catálogo de modelos de Microsoft Foundry para la vectorización integrada (versión preliminar)
• Solución de problemas de implementación y puntuación de puntos de conexión en línea