¿Qué es Lenguaje de Azure AI?
Nota
A partir de julio de 2023, los servicios de Azure AI engloban todo lo que antes se conocía como Cognitive Services y Azure Applied AI Services. No hay ningún cambio en los precios. Los nombres Cognitive Services y Azure Applied AI siguen utilizándose en las API de facturación, análisis de costos, listas de precios y precios de Azure. No hay cambios importantes en las interfaces de programación de aplicaciones (API) ni los SDK.
Lenguaje de Azure AI es un servicio en la nube que proporciona características de procesamiento del lenguaje natural (NLP) para comprender y analizar texto. Este servicio se usa para ayudar a compilar aplicaciones inteligentes mediante Language Studio basado en web, las API REST y las bibliotecas cliente.
Características disponibles
Este servicio de lenguaje unifica los siguientes servicios de Azure AI disponibles anteriormente: Text Analytics, QnA Maker y LUIS. Si necesita migrar desde estos servicios, consulte más adelante la sección de migración.
El servicio de lenguaje también proporciona varias características nuevas, que pueden ser:
- Preconfiguradas, lo que significa que los modelos de IA que usa la característica no son se pueden personalizar. Solo tiene que enviar los datos y usar la salida de la característica en las aplicaciones.
- Personalizables, lo que significa que entrenará un modelo de IA mediante nuestras herramientas para que se ajuste específicamente a sus datos.
Sugerencia
¿No está seguro de qué característica usar? Consulte ¿Qué característica de servicio de lenguaje debo usar? para ayudarle a decidir.
Language Studio permite usar las siguientes características de servicio sin necesidad de escribir código.
Reconocimiento de entidades con nombre (NER)
El reconocimiento de entidades con nombre es una característica preconfigurada que clasifica las entidades (palabras o frases) en texto no estructurado en varios grupos de categorías predefinidas. Por ejemplo, personas, eventos, lugares o fechas, entre otros datos.
Detección de información de identificación personal (PII) e información de salud protegida (PHI)
La detección de PII es una característica preconfigurada que identifica, clasifica y redacta información confidencial en documentos de texto no estructurados y transcripciones de conversaciones. Por ejemplo, números de teléfono, direcciones de correo electrónico y formularios de identificación, entre otra información.
Detección de idiomas
Detección de idioma es una característica preconfigurada que permite detectar el idioma en el que está escrito un documento y devuelve códigos de idioma para una amplio número de idiomas, variantes lingüísticas, dialectos y algunos idiomas regionales o culturales.
Análisis de sentimiento y minería de opiniones
Análisis de opiniones y minería de opiniones son características preconfiguradas que ayudan a averiguar qué piensan los usuarios de su marca o sobre un tema mediante la aplicación de la minería de texto para obtener indicios sobre opiniones positivas o negativas, y pueden asociarlas a aspectos específicos del texto.
Resumen
Resumen es una característica preconfigurada que generar un resumen a partir del texto de documentos y transcripciones de conversaciones. Extrae frases que representan la información general más importante o pertinente del contenido original.
Extracción de la frase clave
Extracción de frases clave es una característica preconfigurada que evalúa y devuelve los conceptos principales de un texto no estructurado y los devuelve como una lista.
Vinculación de entidad
La vinculación de entidades es una característica preconfigurada que desambigua la identidad de las entidades (palabras o frases) encontradas en texto no estructurado y devuelve vínculos a Wikipedia.
Text Analytics for Health
Text Analytics for Health es una característica preconfigurada que extrae y etiqueta información médica pertinente de textos no estructurados, como notas del doctor, resúmenes de descarga, documentos clínicos y registros electrónicos de salud.
Clasificación de texto personalizada
La clasificación de texto personalizado permite a los usuarios crear modelos de IA personalizados para clasificar documentos de texto no estructurado en las categorías personalizadas que el usuario defina.
Reconocimiento de entidades con nombre (NER personalizado)
NER personalizado permite crear modelos de IA personalizados para extraer categorías de entidades personalizadas (etiquetas para palabras o frases) mediante el texto no estructurado que el usuario proporcione.
Reconocimiento del lenguaje conversacional
Reconocimiento del lenguaje conversacional (CLU) permite a los usuarios crear modelos personalizados de reconocimiento del lenguaje natural para predecir la intención general de una expresión entrante y extraer información importante a partir de esta.
Flujo de trabajo de orquestación
Flujo de trabajo de orquestación es una característica personalizada que permite conectar aplicaciones de Language Understanding conversacionales (CLU),respuesta a preguntas y LUIS.
Respuesta a preguntas
Respuesta a preguntas es una característica personalizada que encuentra la respuesta más adecuada para las entradas de los usuarios y se usa normalmente para crear aplicaciones cliente conversacionales, como aplicaciones de redes sociales, bots de chat y aplicaciones de escritorio habilitadas para voz.
Análisis de texto personalizado
Análisis de texto personalizado es una característica personalizada que extrae entidades específicas del sector sanitario del texto no estructurado mediante un modelo que se crea.
¿Qué característica de servicio de lenguaje debo usar?
Esta sección le ayudará a decidir la característica de servicio de lenguaje que debe usar para la aplicación:
| ¿Qué desea hacer? | Formato de documento | Su mejor solución | ¿Se puede personalizar esta solución?* |
|---|---|---|---|
| Detectar o redactar información confidencial, como la información de identificación personal (DCP) y la información médica protegida (PHI) | Texto no estructurado y conversaciones transcritas |
Detección de DCP | |
| Extraer categorías de información sin crear un modelo personalizado | Texto no estructurado | La característica NER preconfigurada | |
| Extraer categorías de información mediante un modelo específico para los datos | Texto no estructurado | NER personalizado | ✓ |
| Extraer temas principales y frases importantes | Texto no estructurado | Extracción de frases clave | |
| Determinar el sentimiento y las opiniones expresadas en el texto | Texto no estructurado | Análisis de sentimiento y minería de opiniones | ✓ |
| Resumir fragmentos largos de texto o conversaciones | Texto no estructurado y conversaciones transcritas |
Resumen | |
| Eliminar la ambigüedad de las entidades y obtener vínculos a Wikipedia | Texto no estructurado | Vinculación de entidad | |
| Clasificar documentos en una o varias categorías | Texto no estructurado | Clasificación de texto personalizada | ✓ |
| Extraer información médica de documentos clínicos o médicos, sin crear un modelo. | Texto no estructurado | Text analytics for Health | |
| Extraiga información médica de documentos clínicos o médicos mediante un modelo entrenado en sus datos. | Texto no estructurado | Análisis de texto personalizado | |
| Crear una aplicación de conversación que responda a las entradas del usuario. | Entradas de usuario no estructuradas | Respuesta a preguntas | ✓ |
| Detectar el idioma en el que se escribió un texto | Texto no estructurado | Detección de idioma | |
| Predecir la intención de las entradas del usuario y extraer información de ellas | Entradas de usuario no estructuradas | Reconocimiento del lenguaje conversacional | ✓ |
| Conectar aplicaciones desde reconocimiento del lenguaje conversacional, LUIS y respuesta a preguntas | Entradas de usuario no estructuradas | Flujo de trabajo de orquestación | ✓ |
* Si una característica es personalizable, puede entrenar un modelo de IA mediante nuestras herramientas para que se ajuste específicamente a sus datos. De lo contrario, una característica está preconfigurada, lo que significa que los modelos de IA que usa no se pueden cambiar. Solo tiene que enviar los datos y usar la salida de la característica en las aplicaciones.
Migración desde Text Analytics, QnA Maker o Language Understanding (LUIS)
Lenguaje de Azure AI unifica tres servicios de lenguaje individuales en los servicios de Azure AI: Text Analytics, QnA Maker y Language Understanding (LUIS). Si ha estado usando estos tres servicios, puede migrar fácilmente al nuevo Lenguaje de Azure AI. Para obtener instrucciones, consulte Migración a Lenguaje de Azure AI.
Tutoriales
Una vez que haya tenido la oportunidad de usar el servicio de lenguaje, pruebe nuestros tutoriales, que le enseñarán a resolver distintos escenarios.
- Extracción de frases clave del texto almacenado en Power BI
- Uso de Power Automate para ordenar la información en Microsoft Excel
- Uso de Flask para traducir texto, analizar opiniones y sintetizar voz
- Uso de los servicios de Azure AI en aplicaciones de lienzo
- Creación de un bot de preguntas frecuentes
Ejemplos de código adicionales
En GitHub puede encontrar más ejemplos de código para los siguientes lenguajes:
Implementación local mediante contenedores de Docker
Use los contenedores del servicio de lenguaje para implementar características de API de forma local. Estos contenedores de Docker permiten acercar el servicio a los datos para mejorar el cumplimiento, la seguridad o por otras razones operativas. El servicio de lenguaje ofrece los siguientes contenedores:
- Análisis de opiniones
- Detección de idioma
- Extracción de frases clave
- Reconocimiento de entidades con nombre personalizado
- Text Analytics for Health
- Resumen
Inteligencia artificial responsable
Los sistemas de inteligencia artificial incluyen no solo la tecnología, sino también las personas que la usarán, las personas que se verán afectadas por ella y el entorno en el que se implementa. Lea los siguientes artículos para obtener información sobre el uso responsable de la inteligencia artificial y la implementación en los sistemas: